基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法
【專利摘要】本發(fā)明一種基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法，屬于信息推薦和數(shù)據(jù)挖掘領(lǐng)域，該方法主要是利用用戶社交信任值和活動(dòng)偏好相似性來實(shí)現(xiàn)基于位置社交網(wǎng)絡(luò)中好友推薦，由于活動(dòng)可以體現(xiàn)用戶興趣偏好，因此通過用戶間活動(dòng)相似性發(fā)現(xiàn)與其偏好相似的好友；由于社交信任能反映用戶間交互緊密程度，因此根據(jù)不同程度信任關(guān)系進(jìn)行好友推薦具有更合理的可解釋性；實(shí)驗(yàn)證明，本發(fā)明推薦效果在準(zhǔn)確性和合理解釋性上均優(yōu)于現(xiàn)存的好友推薦方法，實(shí)際應(yīng)用價(jià)值很高，如果能得到推廣，對(duì)企事業(yè)單位明確目標(biāo)客戶范圍，提高廣告服務(wù)的關(guān)聯(lián)度和準(zhǔn)確性，提高廣告營銷價(jià)值均有重要的指導(dǎo)和決策意義。
【專利說明】基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息推薦和數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種基于活動(dòng)相似和社交信任的 社交網(wǎng)好友推薦系統(tǒng)及方法。

【背景技術(shù)】
[0002] 隨著社交網(wǎng)的日益繁榮和發(fā)展，整個(gè)世界幾乎已被社交網(wǎng)所覆蓋，其中尤其以基 于位置的社交網(wǎng)絡(luò)服務(wù)LBSNs(Location_based Social Networks)最為引入注目。LBSNs 通過記錄用戶在何時(shí)、何地發(fā)生了何種行為，來加強(qiáng)社交網(wǎng)與地理位置的關(guān)聯(lián)性，從而為企 業(yè)提供各種營銷決策服務(wù)。
[0003] 好友推薦是LBSNs眾多服務(wù)之一，也是目前學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)之一，但 通過查閱相關(guān)資料得知，迄今為止，LBSNs中的好友推薦方法大都基于位置信息展開個(gè)性化 推薦，一方面沒有充分考慮在某個(gè)位置所發(fā)生的語義活動(dòng)對(duì)推薦的影響，另一方面即便涉 及一些語義信息但使用的也不夠完整。事實(shí)上，LBSNs中有一部分應(yīng)用包含用戶活動(dòng)語義信 息，比如Instagram(照片分享）應(yīng)用中產(chǎn)生的照片語義描述標(biāo)簽和注釋，F(xiàn)oursquare (四 方）應(yīng)用中的語義簽到信息等，這些語義信息在某種程度上體現(xiàn)出了用戶行為活動(dòng)偏好， 如果充分利用此信息可以有效提高推薦質(zhì)量，但這點(diǎn)卻一直被忽略。此外，在進(jìn)行好友推薦 時(shí)，除了要考慮用戶位間的活動(dòng)相似性以外，用戶間是否具有社交信任關(guān)系也是一個(gè)非常 重要的推薦依據(jù)，但這一因素在LBSNs好友推薦中也未引起足夠重視。
[0004] 傳統(tǒng)LBSNs中，好友推薦主要是基于用戶共同好友數(shù)量、年齡職業(yè)等基本屬性相 似方式實(shí)現(xiàn)，由于很少涉及對(duì)用戶活動(dòng)興趣偏好和用戶之間信任關(guān)系的考率，導(dǎo)致推薦質(zhì) 量不高。


【發(fā)明內(nèi)容】

[0005] 針對(duì)目前好友推薦方法存在虛假推薦和未考慮用戶行為偏好問題，本發(fā)明提 出一種基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法，簡稱FRBTA(Friend Recommendation Based on Trust and Activity)方法，以達(dá)到提高實(shí)用價(jià)值、明確目標(biāo)客 戶范圍、提高廣告服務(wù)的關(guān)聯(lián)度和準(zhǔn)確性、提高廣告營銷價(jià)值的目的。
[0006] -種基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)，該系統(tǒng)設(shè)置于計(jì)算機(jī)中， 包括用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊、用戶活動(dòng)分類識(shí)別模塊、用戶活動(dòng)相似性計(jì)算模塊、用戶 信任關(guān)系構(gòu)建模塊、用戶信任值計(jì)算模塊和好友推薦模塊，其中，
[0007] 用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊：用于根據(jù)用戶的活動(dòng)類別和每個(gè)活動(dòng)類別中所對(duì)應(yīng) 的詞條構(gòu)建詞庫；
[0008] 用戶活動(dòng)分類識(shí)別模塊：用于提取用戶在第三方應(yīng)用上所發(fā)布的信息，并根據(jù)提 取的信息在用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊中進(jìn)行匹配，獲取用戶的活動(dòng)類別集合；
[0009] 用戶活動(dòng)相似性計(jì)算模塊：用于根據(jù)某類活動(dòng)對(duì)應(yīng)詞條在目標(biāo)用戶發(fā)布信息中出 現(xiàn)的次數(shù)、該類活動(dòng)對(duì)應(yīng)詞條在其他用戶發(fā)布信息中出現(xiàn)的次數(shù)、用戶總數(shù)和包含該類活 動(dòng)的用戶數(shù)，獲得該類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度，再根據(jù)每類活動(dòng)相對(duì)于每個(gè)用戶 的重要程度，計(jì)算獲得兩個(gè)用戶之間的相似度；
[0010]用戶信任關(guān)系構(gòu)建模塊：用于從第三方應(yīng)用中判斷目標(biāo)用戶與其他用戶之間的交 互關(guān)系，包括關(guān)注關(guān)系、評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系；若為關(guān)注關(guān)系，則進(jìn)一步判斷目標(biāo)用戶與其 他用戶之間為直接關(guān)注關(guān)系或間接關(guān)注關(guān)系，如果是直接關(guān)注，則確定兩者為直接信任關(guān) 系，如果是間接關(guān)注，則確定兩者為間接信任關(guān)系；若為評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，則確定兩者 為輔助信任關(guān)系；
[0011] 用戶信任值計(jì)算模塊：用于根據(jù)目標(biāo)用戶與其他用戶之間的交互關(guān)系，確定目標(biāo) 用戶與其他用戶的直接信任值、間接信任值、輔助信任值、目標(biāo)用戶的全局信任值和局部信 任值，進(jìn)一步獲得目標(biāo)用戶與其他用戶之間的總體信任值；
[0012] 好友推薦模塊：用于對(duì)目標(biāo)用戶和其他用戶進(jìn)行好友評(píng)分，并將分?jǐn)?shù)從大到小進(jìn) 行排序，取前幾名用戶作為目標(biāo)用戶的好友進(jìn)行推薦。
[0013] 采用基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)進(jìn)行的方法，包括以下步 驟：
[0014] 步驟1、確定用戶的活動(dòng)類別和每個(gè)活動(dòng)類別中所對(duì)應(yīng)的詞條，即完成在計(jì)算機(jī)中 用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊的構(gòu)建；
[0015] 步驟2、采用計(jì)算機(jī)中的用戶活動(dòng)分類識(shí)別模塊提取目標(biāo)用戶在第三方應(yīng)用上所 發(fā)布的信息，包括文本、圖片標(biāo)簽、圖片注釋、視頻標(biāo)簽和視頻注釋，并根據(jù)提取的信息在用 戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊中進(jìn)行匹配，獲取該目標(biāo)用戶的活動(dòng)類別集合；
[0016] 步驟3、重復(fù)步驟1至步驟2,獲取其他目標(biāo)用戶的活動(dòng)類別集合；
[0017] 步驟4、采用計(jì)算機(jī)中的用戶活動(dòng)相似性計(jì)算模塊根據(jù)某類活動(dòng)詞條在目標(biāo)用戶 的活動(dòng)類別集合中出現(xiàn)次數(shù)，目標(biāo)用戶的活動(dòng)類別集合中所有詞條出現(xiàn)的次數(shù)、用戶總數(shù) 和包含該類活動(dòng)的用戶數(shù)，獲得該類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度；
[0018] 步驟5、重復(fù)步驟4,分別獲得每類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度；
[0019] 步驟6、重復(fù)步驟4至步驟5,獲得每類活動(dòng)相對(duì)于其他用戶的重要程度；
[0020] 步驟7、采用計(jì)算機(jī)中的用戶活動(dòng)相似性計(jì)算模塊根據(jù)每類活動(dòng)相對(duì)于每個(gè)用戶 的重要程度，計(jì)算獲得兩個(gè)用戶之間活動(dòng)的相似度；
[0021] 步驟8、采用計(jì)算機(jī)中的用戶信任關(guān)系構(gòu)建模塊從第三方應(yīng)用中判斷目標(biāo)用戶與 其他用戶之間的交互關(guān)系，包括關(guān)注關(guān)系、評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，若為關(guān)注關(guān)系，則執(zhí)行步 驟9,若為評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，則執(zhí)行步驟10 ;
[0022] 步驟9、采用計(jì)算機(jī)中的用戶信任關(guān)系構(gòu)建模塊從第三方應(yīng)用中判斷目標(biāo)用戶與 其他用戶之間為直接關(guān)注關(guān)系或間接關(guān)注關(guān)系，若為直接關(guān)注，則確定兩者為直接信任關(guān) 系，若為間接關(guān)注，則確定兩者為間接信任關(guān)系；
[0023] 步驟10、確定兩者為輔助信任關(guān)系；
[0024] 步驟11、采用計(jì)算機(jī)中的用戶信任值計(jì)算模塊確定目標(biāo)用戶與其他用戶之間的總 體任值，具體如下：
[0025] 步驟11-1、根據(jù)目標(biāo)用戶關(guān)注的用戶數(shù)和被關(guān)注的用戶數(shù)，其他目標(biāo)用戶關(guān)注的 用戶數(shù)和被關(guān)注用戶數(shù)，確定目標(biāo)用戶與其他用戶的直接信任值；
[0026] 計(jì)算公式如下：
[0027]

【權(quán)利要求】
1. 一種基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)，其特征在于，該系統(tǒng)設(shè)置于 計(jì)算機(jī)中，包括用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊、用戶活動(dòng)分類識(shí)別模塊、用戶活動(dòng)相似性計(jì)算 模塊、用戶信任關(guān)系構(gòu)建模塊、用戶信任值計(jì)算模塊和好友推薦模塊，其中， 用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊：用于根據(jù)用戶的活動(dòng)類別和每個(gè)活動(dòng)類別中所對(duì)應(yīng)的詞 條構(gòu)建詞庫； 用戶活動(dòng)分類識(shí)別模塊：用于提取用戶在第三方應(yīng)用上所發(fā)布的信息，并根據(jù)提取的 信息在用戶活動(dòng)關(guān)鍵詞庫構(gòu)建模塊中進(jìn)行匹配，獲取用戶的活動(dòng)類別集合； 用戶活動(dòng)相似性計(jì)算模塊：用于根據(jù)某類活動(dòng)對(duì)應(yīng)詞條在目標(biāo)用戶發(fā)布信息中出現(xiàn)的 次數(shù)、該類活動(dòng)對(duì)應(yīng)詞條在其他用戶發(fā)布信息中出現(xiàn)的次數(shù)、用戶總數(shù)和包含該類活動(dòng)的 用戶數(shù)，獲得該類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度，再根據(jù)每類活動(dòng)相對(duì)于每個(gè)用戶的重 要程度，計(jì)算獲得兩個(gè)用戶之間的相似度； 用戶信任關(guān)系構(gòu)建模塊：用于從第三方應(yīng)用中判斷目標(biāo)用戶與其他用戶之間的交互關(guān) 系，包括關(guān)注關(guān)系、評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系；若為關(guān)注關(guān)系，則進(jìn)一步判斷目標(biāo)用戶與其他用 戶之間為直接關(guān)注關(guān)系或間接關(guān)注關(guān)系，如果是直接關(guān)注，則確定兩者為直接信任關(guān)系，如 果是間接關(guān)注，則確定兩者為間接信任關(guān)系；若為評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，則確定兩者為輔助 任關(guān)系； 用戶信任值計(jì)算模塊：用于根據(jù)目標(biāo)用戶與其他用戶之間的交互關(guān)系，確定目標(biāo)用戶 與其他用戶的直接信任值、間接信任值、輔助信任值、目標(biāo)用戶的全局信任值和局部信任 值，進(jìn)一步獲得目標(biāo)用戶與其他用戶之間的總體信任值； 好友推薦模塊：用于對(duì)目標(biāo)用戶和其他用戶進(jìn)行好友評(píng)分，并將分?jǐn)?shù)從大到小進(jìn)行排 序，取前幾名用戶作為目標(biāo)用戶的好友進(jìn)行推薦。
2. 采用權(quán)利要求1所述的基于活動(dòng)相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)進(jìn)行的方 法，其特征在于，包括以下步驟： 步驟1、確定用戶的活動(dòng)類別和每個(gè)活動(dòng)類別中所對(duì)應(yīng)的詞條，即完成在計(jì)算機(jī)中用戶 活動(dòng)關(guān)鍵詞庫構(gòu)建模塊的構(gòu)建； 步驟2、采用計(jì)算機(jī)中的用戶活動(dòng)分類識(shí)別模塊提取目標(biāo)用戶在第三方應(yīng)用上所發(fā)布 的信息，包括文本、圖片標(biāo)簽、圖片注釋、視頻標(biāo)簽和視頻注釋，并根據(jù)提取的信息在用戶活 動(dòng)關(guān)鍵詞庫構(gòu)建模塊中進(jìn)行匹配，獲取該目標(biāo)用戶的活動(dòng)類別集合； 步驟3、重復(fù)步驟1至步驟2,獲取其他目標(biāo)用戶的活動(dòng)類別集合； 步驟4、采用計(jì)算機(jī)中的用戶活動(dòng)相似性計(jì)算模塊根據(jù)某類活動(dòng)詞條在目標(biāo)用戶的活 動(dòng)類別集合中出現(xiàn)次數(shù)，目標(biāo)用戶的活動(dòng)類別集合中所有詞條出現(xiàn)的次數(shù)、用戶總數(shù)和包 含該類活動(dòng)的用戶數(shù)，獲得該類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度； 步驟5、重復(fù)步驟4,分別獲得每類活動(dòng)相對(duì)于目標(biāo)用戶的重要程度； 步驟6、重復(fù)步驟4至步驟5,獲得每類活動(dòng)相對(duì)于其他用戶的重要程度； 步驟7、采用計(jì)算機(jī)中的用戶活動(dòng)相似性計(jì)算模塊根據(jù)每類活動(dòng)相對(duì)于每個(gè)用戶的重 要程度，計(jì)算獲得兩個(gè)用戶之間活動(dòng)的相似度； 步驟8、采用計(jì)算機(jī)中的用戶信任關(guān)系構(gòu)建模塊從第三方應(yīng)用中判斷目標(biāo)用戶與其他 用戶之間的交互關(guān)系，包括關(guān)注關(guān)系、評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，若為關(guān)注關(guān)系，則執(zhí)行步驟9， 若為評(píng)價(jià)關(guān)系和點(diǎn)贊關(guān)系，則執(zhí)行步驟10 ; 步驟9、采用計(jì)算機(jī)中的用戶信任關(guān)系構(gòu)建模塊從第三方應(yīng)用中判斷目標(biāo)用戶與其他 用戶之間為直接關(guān)注關(guān)系或間接關(guān)注關(guān)系，若為直接關(guān)注，則確定兩者為直接信任關(guān)系，若 為間接關(guān)注，則確定兩者為間接信任關(guān)系； 步驟10、確定兩者為輔助信任關(guān)系； 步驟11、采用計(jì)算機(jī)中的用戶信任值計(jì)算模塊確定目標(biāo)用戶與其他用戶之間的總體信 任值，具體如下： 步驟11-1、根據(jù)目標(biāo)用戶關(guān)注的用戶數(shù)和被關(guān)注的用戶數(shù)，其他目標(biāo)用戶關(guān)注的用戶 數(shù)和被關(guān)注用戶數(shù)，確定目標(biāo)用戶與其他用戶的直接信任值； 計(jì)算公式如下：
其中，dTru(Ui,Uj)表示用戶Ui與用戶Uj的直接信任值；in(Uj)表示用戶Uj的被關(guān)注 用戶數(shù)；out(Ui)表示用戶Ui關(guān)注的用戶數(shù)；Ui為目標(biāo)用戶； 步驟11-2、根據(jù)用戶兩兩之間的直接信任值，確定獲得多條路徑下，目標(biāo)用戶與其他用 戶的間接信任值； 目標(biāo)用戶與其他用戶在第p條路徑下的間接信任值計(jì)算公式如下：
其中，ITraOif5Mi)=表示第p條路徑下，用戶Ui與用戶Uj的間接信任值；dTru(um，um+1) 表示用戶um與用戶um+1的直接信任值，m=i，. . .，j-1 ;n表示路徑長度，n= 2或3,p表 示第P條路徑； 目標(biāo)用戶與其他用戶在獲得多條路徑下的間接信任值計(jì)算公式如下：
其中，iTru(Ui，up表示用戶Ui與用戶+的間接信任值；N表示路徑條數(shù)； 步驟11-3、根據(jù)用戶兩兩之間的評(píng)價(jià)和點(diǎn)贊次數(shù)，及用戶兩兩之間的評(píng)價(jià)和點(diǎn)贊次數(shù) 最大值，確定目標(biāo)用戶與其他用戶的輔助信任值； 計(jì)算公式如下：
其中，sTru(Ui，up表示用戶Ui與用戶+的輔助信任值；CU表示用戶Ui對(duì)用戶+進(jìn)行 的評(píng)價(jià)和點(diǎn)贊次數(shù);max{C}表示用戶兩兩之間的評(píng)價(jià)和點(diǎn)贊次數(shù)最大值； 步驟11-4、根據(jù)獲得的目標(biāo)用戶與其他用戶的直接信任值、間接信任值和輔助信任值， 確定目標(biāo)用戶的局部信任值； 計(jì)算公式如下： ITru(Ui,Uj) =a*dTru(Ui,Uj) + 3*iTru(Ui,Uj) +Y*sTru(Ui,Uj) (5) 其中，ITru(Ui,Uj)表示用戶Ui與用戶Uj的局部信任值；a= 〇. 5±0. 2、3 = 0? 3±0. 2、Y= 1-a-旦； 步驟11-5、根據(jù)目標(biāo)用戶Ui的全部所用用戶中，被關(guān)注數(shù)的最大值和最小值，及某個(gè)所 用用戶的被關(guān)注數(shù)，確定目標(biāo)用戶某個(gè)所用用戶的全局信任值； 計(jì)算公式如下：
其中，gTru(Uj)表示目標(biāo)用戶Ui的某個(gè)所用用戶Uj的全局信任值；in(Uj)表示用戶Uj 的被關(guān)注數(shù)，丨表不被關(guān)注用戶數(shù)最小值，表不被關(guān)注用戶數(shù) 最大值； 步驟11-6、根據(jù)獲得的目標(biāo)用戶的局部信任值和全局信任值，確定目標(biāo)用戶的總體信 任值； 計(jì)算公式如下：
其中，tTrubi，Uj)表示用戶Ui對(duì)于用戶Uj的總體信任值，to表示調(diào)整因子，to= 0? 7±0. 2 ; 步驟12、采用計(jì)算機(jī)中的好友推薦模塊對(duì)目標(biāo)用戶和其他用戶進(jìn)行好友評(píng)分，并將分 數(shù)從大到小進(jìn)行排序，取前幾名用戶作為目標(biāo)用戶的好友進(jìn)行推薦； 好友評(píng)分計(jì)算公式如下： score(Ui,Uj) = €XsimAct(Ui,Uj) + (I-€ )XtTru(Ui,Uj) (8) 其中，Score(U^Uj)表示用戶Ui對(duì)于用戶Uj的好友評(píng)分，€表示調(diào)整因子，€ = 0. 6±0. 2;simAct(Ui,Uj)表示用戶Ui對(duì)于用戶Uj的相似度。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟4所述的獲得該類活動(dòng)相對(duì)于目標(biāo)用 戶的重要程度，計(jì)算公式如下：
其中，Vik表示活動(dòng)Ak對(duì)用戶Ui重要程度，瓜,表示活動(dòng)Ak中第m個(gè)詞條在用戶Ui的 活動(dòng)類別集合中出現(xiàn)次數(shù)，fi表示用戶Ui的活動(dòng)類別集合中所有詞條出現(xiàn)的次數(shù)，|u|表 示用戶的總數(shù)，|uk|表示包含k類活動(dòng)的用戶數(shù)。
4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟7所述的計(jì)算獲得兩個(gè)用戶之間的相 似度，計(jì)算公式如下：
其中，SimAct(UyUj)表示用戶Ui對(duì)于用戶Uj的相似度，Vik表示活動(dòng)Ak對(duì)用戶Ui重要 程度；表示活動(dòng)Ak對(duì)用戶+重要程度，IA|表示活動(dòng)數(shù)。
【文檔編號(hào)】G06F17/30GK104268171SQ201410462802
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月11日 優(yōu)先權(quán)日:2014年9月11日
【發(fā)明者】于亞新, 田宏增, 隋鳴飛, 續(xù)宗澤, 王國仁 申請(qǐng)人:東北大學(xué)