。
[0053] 在本發(fā)明中，設(shè)好友請(qǐng)求者為A，我們需要為請(qǐng)求者A找到一個(gè)合適的用戶(hù)B作為 其推薦好友，使得A和B滿(mǎn)足下面的=個(gè)條件：
[0054] (1) A和B的關(guān)系盡量親密，則A從B處取得有用信息的可能性更大，運(yùn)里我們使用 私密度來(lái)衡量A和B之間的親密程度。
[0055] 私密度是描述用戶(hù)和好友之間關(guān)系遠(yuǎn)近親疏程度的，私密度越高，說(shuō)明用戶(hù)對(duì)好 友關(guān)系越近，則從該好友處獲取信息的可靠性越大，同時(shí)，好友推薦的網(wǎng)頁(yè)、發(fā)表過(guò)的文章、 對(duì)問(wèn)題的回答被關(guān)注采納的機(jī)會(huì)也越大。因此那些私密度高的人，應(yīng)該在關(guān)系推薦中處于 較靠前的位置。
[0056] (2)目標(biāo)用戶(hù)B的公知度應(yīng)盡可能高，則A從B處獲取的信息的可信程度就越高。
[0057] 公知度是表示一個(gè)人被公眾知道、了解的程度，是社會(huì)影響的廣度和深度，是評(píng)價(jià) 名氣大小的客觀尺度。一個(gè)人的公知度與他的個(gè)人經(jīng)歷有著密切的關(guān)系，例如一個(gè)在計(jì)算 機(jī)網(wǎng)絡(luò)領(lǐng)域有過(guò)十幾年經(jīng)驗(yàn)并負(fù)責(zé)過(guò)多項(xiàng)大型網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)的專(zhuān)家的公知度會(huì)明顯大于 一個(gè)初設(shè)此領(lǐng)域沒(méi)什么經(jīng)驗(yàn)的人。一個(gè)人的公知度越高，他推薦的網(wǎng)頁(yè)、發(fā)表過(guò)的blog、回 答問(wèn)題的權(quán)威性就越高，應(yīng)該在關(guān)系推薦中處于更高的優(yōu)先級(jí)。
[005引 做從A到B經(jīng)歷的中間人應(yīng)盡可能少，因?yàn)槊拷?jīng)過(guò)一個(gè)介紹人，私密度就會(huì)衰減 一次，B幫助A的意愿也會(huì)逐漸減小。
[0059] 本發(fā)明提供了一種基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，如圖1所示， 包括W下步驟： W60] Sl、獲取好友請(qǐng)求者A的直接好友集合Fa=扣1，也...，IU;
[0061] 運(yùn)里A的直接好友即為A的私密度維度值為1的一度好友。
[0062] S2、初始化建立最終好友請(qǐng)求者A的推薦好友集合FRa;
[0063] 推薦好友集合FRa初始化為空集，最終好友請(qǐng)求者A的推薦好友都會(huì)存放于FRA 中。 W64] 由于A的直接好友集合Fa中的用戶(hù)已經(jīng)是A的好友，沒(méi)有必要再對(duì)A進(jìn)行推薦， 因此FRa中不會(huì)存放FA中的用戶(hù)，即邸Jn。= 0。 陽(yáng)0化]S3、設(shè)置好友推薦闊值M; 陽(yáng)066] S4、計(jì)算Fa中每個(gè)直接好友與A的關(guān)系權(quán)值；
[0067] 對(duì)每一個(gè)A的直接好友UiGFA，根據(jù)公式（1)計(jì)算Ui與A的關(guān)系權(quán)值Ww
[0068] WjUi. = 巧十（1 - P)巧J (1) W例式中表示A與Ui的私密度，取值范圍為[0,U。
[0070] 運(yùn)里用變量I來(lái)描述用戶(hù)之間的私密度，Iab即表示用戶(hù)A和B的私密度，其值越 接近0表示A與B的私密度越低，反之則私密度越高。如果A和B完全不認(rèn)識(shí)，則Iab= 0， 當(dāng)且僅當(dāng)A與B完全相同時(shí)Iab= 1。另外，由于可能存在A認(rèn)識(shí)B而B(niǎo)不認(rèn)識(shí)A的情況， 所WlAe聲leA。在初始時(shí)，Iab由A設(shè)定，W后由系統(tǒng)自動(dòng)根據(jù)A、B之間的活動(dòng)和操作進(jìn)行 更新。 陽(yáng)071] Ra表示A的直接好友中的最大公知度，取值范圍為[0, 1]。
[0072] 設(shè)變量Ca用表示用戶(hù)A在設(shè)定領(lǐng)域的公知度，例如數(shù)學(xué)領(lǐng)域、物理學(xué)領(lǐng)域等，取值 范圍為[0，1]。該值越接近0表示用戶(hù)的公知度越低，反之則用戶(hù)公知度越高。Ca的初始 值由系統(tǒng)根據(jù)該用戶(hù)A的自然屬性由后臺(tái)管理員或?qū)彶槿藛T進(jìn)行設(shè)定，W后由系統(tǒng)根據(jù)用 戶(hù)的活動(dòng)和操作進(jìn)行更新。由于Fa=扣1，也...，IU，定義馬=max{C。',，馬，…，Cu,,}，則Ra代表了A的直接好友中最大公知度。
[007引P表示在Ww,中所占的重要性比例，取值范圍為[0，U。P值越小說(shuō)明對(duì) 巧的關(guān)注越少，而對(duì)Ra關(guān)注越多。當(dāng)P= 0時(shí)，表示用戶(hù)A的直接好友中最大公知度是 唯一關(guān)注的因素，該算法退化成計(jì)算用戶(hù)A的直接好友中最大公知度；當(dāng)P=1時(shí)，表示A 與Ui的私密度是唯一關(guān)注的因素，該算法退化成計(jì)算A與U1的私密度。
[0074] S5、查找與A的關(guān)系權(quán)值最大的好友Uk,獲取Uk的直接好友集合 F^ = {V"V"..
[00巧]S6、定義Uk的直接好友集合為A的私密度維度值為2的二度好友集合，計(jì)算 中每個(gè)二度好友與A的關(guān)系權(quán)值； 陽(yáng)076] 對(duì)每一個(gè)Uk的直接好友，即A的二度好友Ke巧,,，根據(jù)公式似計(jì)算Vi與A的關(guān) 系權(quán)值W化:
[0077] W"',二戶(hù)十（1-p)巧,一〇0 "', C ) 陽(yáng)07引式中^.IF,表示A與Vi的私密度，取值范圍為[0, 1];而,表示Uk的直接好友中的最 大公知度，取值范圍為[0,1];P表示在Wn;中所占的重要性比例，取值范圍為[0,1]。 陽(yáng)079] 0,1,表示A與Vi的好友私密度的維度，本步驟中由于Uk是A的直接好友，V^Uk 的直接好友，A與Vi的關(guān)系是通過(guò)Uk來(lái)進(jìn)行傳遞的，因此稱(chēng)Vi為A的二度好友，即=2。
[0080] O表示用戶(hù)對(duì)中間人的數(shù)目的關(guān)注程度，取值范圍為（0,1)，O值越大，權(quán)值 的衰減越快。
[0081] S7、將所有與A的關(guān)系權(quán)值大于或等于M的二度好友加入FRa;
[0082] S8、對(duì)每一個(gè)新加入FRa的推薦好友Vi，獲取其直接好友集合
[0083] S9、將好友的私密度維度值加1，計(jì)算步驟S8獲得的每個(gè)A的N維度好友集合中的 每一個(gè)好友與A的關(guān)系權(quán)值；
[0084] 運(yùn)里根據(jù)公式（3)計(jì)算步驟S8獲得的每個(gè)A的N維度好友集合中的每一個(gè)好友 義，€巧^^與A的關(guān)系權(quán)值
[0085]聽(tīng)爆二鍵化;+A-堿:較Vj-棘鍛(3 ) 陽(yáng)086] 式中表示A與Xi的私密度，取值范圍為[0, 1] ; 表示Vj的直接好友中的最 大公知度，取值范圍為[0，1] ;P表示在中所占的重要性比例，取值范圍為[0，1]; 表示A與Xi的好友私密度的維度，每執(zhí)行一次本步驟，巧的值加1 ;O表示用戶(hù)對(duì)中 間人的數(shù)目的關(guān)注程度，取值范圍為（0, 1)。
[0087] S10、將所有與A的關(guān)系權(quán)值大于或等于M的N維度好友加入FRa;
[0088] S11、判斷好友私密度維度值是否等于6,若是則進(jìn)入步驟S12,若否則返回步驟 S8 ；
[0089] 運(yùn)里取私密度維度值上限為6是根據(jù)六度空間理論得出的結(jié)果。
[0090] S12、將推薦好友集合FRa推薦給好友請(qǐng)求者A。
[0091] 滿(mǎn)足之前所述=個(gè)條件的合適的用戶(hù)B即包含于推薦好友集合FRa中。
[0092] 本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，運(yùn)里所述的實(shí)施例是為了幫助讀者理解本發(fā) 明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于運(yùn)樣的特別陳述和實(shí)施例。本領(lǐng)域的 普通技術(shù)人員可W根據(jù)本發(fā)明公開(kāi)的運(yùn)些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各 種具體變形和組合，運(yùn)些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在于，包括以下步驟： 51、 獲取好友請(qǐng)求者A的直接好友集合Fa={Ui，U2，…，UJ; 52、 初始化建立最終好友請(qǐng)求者A的推薦好友集合FRa; 53、 設(shè)置好友推薦閾值M; 54、 計(jì)算Fa中每個(gè)直接好友與A的關(guān)系權(quán)值； 55、 查找與A的關(guān)系權(quán)值最大的好友Uk，獲取隊(duì)的直接好友集合…，F(xiàn)J; 56、 定義Uk的直接好友集合心4為A的私密度維度值為2的二度好友集合，計(jì)算G中 每個(gè)二度好友與A的關(guān)系權(quán)值； 57、 將所有與A的關(guān)系權(quán)值大于或等于M的二度好友加入FRa; 58、 對(duì)每一個(gè)新加入FRa的推薦好友Vj，獲取其直接好友集合= (I1，I2，…，不}; 59、 將好友的私密度維度值加1，計(jì)算步驟S8獲得的每個(gè)A的N維度好友集合中的每一 個(gè)好友與A的關(guān)系權(quán)值； 510、 將所有與A的關(guān)系權(quán)值大于或等于M的N維度好友加入FRa; 511、 判斷好友私密度維度值是否等于6; 若是則進(jìn)入步驟S12; 若否則返回步驟S8; 512、 將推薦好友集合FiytS給好友請(qǐng)求者A。2. 根據(jù)權(quán)利要求1所述的基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在 于，所述推薦好友集合始化為空集。3. 根據(jù)權(quán)利要求1所述的基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在 于，所述推薦好友集合HF4 =0。4. 根據(jù)權(quán)利要求1所述的基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在 于，所述步驟S4具體為： 對(duì)每一個(gè)A的直接好友U1GFA，根據(jù)公式（1)計(jì)算1^與A的關(guān)系權(quán)值，t ,AU1 二 +卷_P)1) 式中7 ^表示A與1^的私密度，取值范圍為[0，1] ;RA表示A的直接好友中的最大公 知度，取值范圍為[〇，1] ;P表示在Pff/,中所占的重要性比例，取值范圍為[〇，1]。5. 根據(jù)權(quán)利要求1所述的基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在 于，所述步驟S6具體為： 定義隊(duì)的直接好友集合為A的私密度維度值為2的二度好友集合，對(duì)每一個(gè)隊(duì)的 直接好友，即A的二度好友Re6,,，根據(jù)公式（2)計(jì)算乂1與A的關(guān)系權(quán)值『ir,: WAr =pi碼+(i- -aD,u'、Q) 式中表示A與私密度，取值范圍為[0，1] ; 表示Uk的直接好友中的最大 公知度，取值范圍為[0，1] ;p表示中所占的重要性比例，取值范圍為[〇，1]; 錢(qián)％表示六與V1的好友私密度的維度，本步驟中D4r =2; 0表示用戶(hù)對(duì)中間人的數(shù)目的 關(guān)注程度，取值范圍為（〇，1)。6.根據(jù)權(quán)利要求1所述的基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，其特征在 于，所述步驟S9具體為： 將好友的私密度維度值加1，根據(jù)公式（3)計(jì)算步驟S8獲得的每個(gè)A的N維度好友集 合中的每一個(gè)好友e與A的關(guān)系權(quán)值 Wa^ i―：piM{ + - p^RVj ^ oD：^ (多.） 式中表示A與私密度，取值范圍為[0，1] ;A表示Vj的直接好友中的最大 公知度，取值范圍為[〇，1] ;P表示在.^^中所占的重要性比例，取值范圍為[〇，1]; 表示A與X1的好友私密度的維度，每執(zhí)行一次本步驟，D^的值加1; 〇表示用戶(hù)對(duì)中 間人的數(shù)目的關(guān)注程度，取值范圍為（〇,1)。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于私密度和公知度的社交網(wǎng)絡(luò)關(guān)系推薦方法，通過(guò)定義社交網(wǎng)絡(luò)關(guān)系的私密度和公知度，分析、計(jì)算出人與人關(guān)系的度量，判斷關(guān)系的親密程度，并據(jù)此為用戶(hù)智能推薦建立新的社交關(guān)系，有效地挖掘出了社交領(lǐng)域中潛在的人與人的關(guān)系，豐富了社交關(guān)系網(wǎng)絡(luò)，提高了用戶(hù)的社交網(wǎng)絡(luò)黏合度，過(guò)程相對(duì)簡(jiǎn)單，效果較好。
【IPC分類(lèi)】H04L12/58, G06F17/30
【公開(kāi)號(hào)】CN105141499
【申請(qǐng)?zhí)枴緾N201510388830
【發(fā)明人】陳科, 唐雪飛, 陳安龍
【申請(qǐng)人】電子科技大學(xué)
【公開(kāi)日】2015年12月9日
【申請(qǐng)日】2015年7月3日