The present invention proposes a social network friend recommendation method that integrates trust degree, which involves user similarity, confidence factor calculation and fusion. According to the recommendation of social network topology, the recommendation emphasizes on the known friends but neglects the potential interested friends. According to the recommendation of interest, the recommendation emphasizes on the recommendation of strangers, which makes it difficult for users to trust. At the same time, neither Recommendation considers the behavior of users in social network, which greatly affects the accuracy and reliability of recommendation results. And comprehensiveness. The invention proposes a comprehensive recommendation method considering social network topology, user interest and social behavior. Firstly, the social similarity is calculated according to the common neighbors in the social network, and the interest similarity is calculated according to the keywords, and the linear combination is carried out. Considering the user's social topology and social behavior, the relationship confidence and behavior confidence are calculated and fused into confidence factors. Finally, the similarity and confidence factors are fused to improve the reliability of similarity calculation and generate Top N recommendation list.
【技术实现步骤摘要】
一种融合信任度的社交网络好友推荐方法
本专利技术涉及数据挖掘和推荐系统领域,特别是涉及一种融合信任度的社交网络好友推荐方法。
技术介绍
随着Web2.0的发展,社交网络成为Web2.0模式发展中出现的一个典型应用,个性化推荐技术也在社交网络中得到了广泛的应用。社交网络也即是社会网络服务(SocialNetworkService,SNS),直观的讲可以说是基于网络的社交,其发展大致可分为:E-mail,BBS,BLOG,Facebook/人人网等个阶段。在社交网络中,用户通过添加好友,关注机制等方式进行互动交流以及信息分享,而相互之间添加好友必然使用户之间产生一种联系,随着时间的发展,用户与其好友以及好友的好友之间共同形成了一种好友社交网络,从中我们可以了解到用户的兴趣爱好,信息分享、交流情况以及其活跃程度等等。另外,由于社交网络中的用户基数比较大,而且网络中的用户大多是相互之间缺乏了解和信任的陌生人,因此不可能随意形成好友关系,这些都是在社交网络中进行好友推荐时必须要考虑的问题。作为推荐系统的核心组成部分,推荐算法的研究不断受到学者们的关注,各种推荐算法层出不穷,然而推荐算法都有一定的局限性,且推荐的大多是具有“物性”的对象,而有关社交网络用户或好友的推荐方面的研究则相对较少。即便在现有的好友推荐算法中,主要是基于社交网络拓扑结果和用户兴趣。通过社交网络拓扑推荐偏重于推荐线下认识的好友,主要通过共同好友得到相似性指标,而通过兴趣推荐偏重于推荐具有相同兴趣的陌生用户,往往推荐结果难以得到用户的信任。同时这两种推荐都没有考虑到用户在社交网络中的行为,极大的影响 ...
【技术保护点】
1.一种融合信任度的社交网络好友推荐方法,其特征在于,所述方法包括:用户社交相似度计算、用户兴趣相似度计算以及相似度融合,关系置信度计算、行为置信度计算以及置信因子融合,最后通过相似度和置信因子的融合,产生Top‑N推荐列表。在进行用户推荐时,综合考虑社交网络拓扑、用户兴趣计算出社交相似度和兴趣相似度,将两种相似度进行融合得到用户相似度,综合考虑用户社交拓扑和社交行为,分别计算出关系度和行为置信度,线性组合成置信因子,对相似度计算结果进行修正,将相似度和置信因子进行融合,提高相似度计算可信度,产生Top‑N推荐列表。具体内容包括:将用户社交网络转化为图结构,一个用户用一个节点表示,根据用户社交网络拓扑中,拥有共同好友的数量计算用户的社交相似度;根据用户在社交网络中转发、发布的文本提取关键字计算兴趣相似度;融合社交相似度和兴趣相似度,通过不断地实验找到最佳的融合参数,以此表示用户的相似度;利用用户共同关注好友的数量占用户关注好友总数的比例度量关系置信度;利用用户之间的互动情况计算用户的行为置信度;通过实验找到最佳的置信因子融合参数,将两种置信度融合成为置信因子;最后利用置信因子修正相似度 ...
【技术特征摘要】
1.一种融合信任度的社交网络好友推荐方法,其特征在于,所述方法包括:用户社交相似度计算、用户兴趣相似度计算以及相似度融合,关系置信度计算、行为置信度计算以及置信因子融合,最后通过相似度和置信因子的融合,产生Top-N推荐列表。在进行用户推荐时,综合考虑社交网络拓扑、用户兴趣计算出社交相似度和兴趣相似度,将两种相似度进行融合得到用户相似度,综合考虑用户社交拓扑和社交行为,分别计算出关系度和行为置信度,线性组合成置信因子,对相似度计算结果进行修正,将相似度和置信因子进行融合,提高相似度计算可信度,产生Top-N推荐列表。具体内容包括:将用户社交网络转化为图结构,一个用户用一个节点表示,根据用户社交网络拓扑中,拥有共同好友的数量计算用户的社交相似度;根据用户在社交网络中转发、发布的文本提取关键字计算兴趣相似度;融合社交相似度和兴趣相似度,通过不断地实验找到最佳的融合参数,以此表示用户的相似度;利用用户共同关注好友的数量占用户关注好友总数的比例度量关系置信度;利用用户之间的互动情况计算用户的行为置信度;通过实验找到最佳的置信因子融合参数,将两种置信度融合成为置信因子;最后利用置信因子修正相似度就算结果,产生Top-N推荐结果。2.根据权利要求1所述的方法,其特征在于,将每个用户视作一个节点,若用户之间有联系,则在对应节点之间添加一条边,从而得到整个用户网络的无向图。搜索用户的共同关注的好友,计算出任意两个用户之间的社交相似度。3.根据权利要求1所述的方法,其特征在于,从用户在社交网络中产生的相关内容提取关键字,这些关键字可以精确地描述用户特点、偏好等。利用关键词的相似程度,表示用户的兴趣相似度。4.根据权利要求1所述的方法,其特征在于,基于两个用户...
【专利技术属性】
技术研发人员:徐光侠,代皓,马创,刘俊,何李杰,唐志京,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。