本发明专利技术提出了一种在社交网络中确定用户特征的方法和系统，其特点在于，如果用户1联络了用户2，则根据所述用户1的用户特征向量更新所述用户2的用户特征向量，以及根据所述用户2的用户特征向量更新所述用户1的用户特征向量。多次使用上述方法获得多个用户的用户特征向量。当查询用户提交了查询条件后，计算所述多个用户中每个用户的用户特征向量与所述查询条件之间的数学距离，并根据所述数学距离将所述多个用户中的一部分发送给所述查询用户。本发明专利技术方法可用于在互联网特别是社交网络中有效地确定用户特征以及根据用户特征来识别具有特定特征的用户。
【技术实现步骤摘要】
本专利技术涉及社交网络领域，具体来说涉及一种在社交网络中确定用户特征的方法和系统。
技术介绍
社交网络是在互联网上建立的人与人之间的关系网络平台。从这个意义上讲，当前流行的微博、脸书(Facebook)和即时通信系统等都属于社交网络。在微博中，你可以通过加关注(follow)的方法来建立用户之间的关系网络；在脸书(Facebook)中，你可以通过搜索其他用户的姓名或兴趣爱好等个人信息来建立用户之间的关系网络；在即时通信系统中，你可以通过将好友加入列表的方式来建立用户之间的关系网络。、但是在现有的社交网络中用户之间所建立的关系网络有个共同特点，即所建立的关系网络通常是将线下真实的用户关系网络复制到线上来的。也就是说现有社交网络是一个“熟人网络”。例如在即时通信系统或脸书(Facebook)中加入的好友通常是同学、同事和朋友，如果一个人想要在好友之外建立关系网络通常是比较困难的。一方面，你不知道在社交网络中哪些用户与你具有相同的深层次的关注点，脸书(Facebook)虽然拥有用户提供的兴趣爱好等个人信息，例如喜欢音乐体育等等，但由于大多数用户不喜欢将个人信息在公众场合进行公开，因此用户提供的信息往往只包含部分的、表层的用户特征，难以保证用户信息的全面和真实；另一方面，即使你知道一个与你具有相同的兴趣爱好的用户而想加对方为好友，也需要得到对方的批准，如果对方不批准，这个关系网络也无法建立。与即时通信和脸书(Facebook)等社交网络相比，在微博中建立用户之间的关系网络要容易一些，如果你对某个用户感兴趣就可以在不需要对方批准的情况下将对方设为“加关注”，而且还可看到你“加关注”的人又对哪些人“加关注”了。通过这个跟踪线路，你可以找到你所感兴趣的人。微博的不足之处在于关系网络扩散很快，一个用户可能关注几十个其他用户，而被关注的用户可能又关注几十个用户，而且每个用户的关注点通常比较分散，除了专业领域他们还可能关注体育、音乐和文化等信息，因此沿着这种跟踪链条寻找你所感兴趣的人，往往由于关系网络中的关系链条数量的迅速膨胀以及被关注用户的关注点分散，使得寻找特定用户的跟踪链条中断。例如，你关注一位在音乐领域的名人，但是这位名人却关注了一些体育明星，而这些明星也许是你不想关注的，因此关注的链条就中断了。在社交网络中，查询具有特定特征的用户是很有意义的。例如用户需要寻找与其具有相同兴趣爱好的人，用户需要找到具有某项才能的专家，用户需要找到经销某种产品的商家，而商家也需要找到具有特定特征的用户以便为产品定向推广奠定基础。因此，如何在互联网上特别是社交网络上找到具有特定特征的用户，是一个需要解决的问题。
技术实现思路
鉴于上述现有技术的缺点和社交网络系统存在的问题，本专利技术的目的在于提供一种在社交网络中确定用户特征的方法和系统来确定用户的特征，并根据所述特征来寻找具有特定特征的用户。根据以上所述的目的，本专利技术提出了一种在社交网络中确定用户特征的方法，其特征在于，在服务器中实现如下步骤接收用户I联络用户2的信号；获取所述用户I的用户特征向量；获取所述用户2的用户特征向量；更新所述用户I的用户特征向量和所述用户2的用户特征向量；更新后的所述用户I的用户特征向量是更新前的所述用户I的用户特征向量和所述用户2的用户特征向量的函数；更新后的所述用户2的用户特征向量是更新前的所述用户I的用户特征向量和所述用户2的用户特征向量的函数。 上述方法包括在社交网络领域的一个应用实例，即通过多次应用上述方法获得多个用户的用户特征向量，并据此实现一种在社交网络中搜索特定用户的方法，包括如下步骤接收用户j提交的查询条件，其中包括被查询用户的至少一个特征；根据所述查询条件，生成所述用户j的查询特征向量；计算所述多个用户中每个用户的用户特征向量与所述用户j的查询特征向量之间的数学距离，以及根据所述数学距离对所述多个用户进行排序；按照所述排序结果将所述多个用户中的一部分用户发送给所述用户j。与现有技术相比，本专利技术能够通过用户联络其他用户的信号来自动计算用户的特征，并根据用户提供的查询条件来搜索具有特定特征的用户。本专利技术方法提高了在社交网络中搜索特定用户的查全率和准确率。附图说明图I为一种在社交网络中确定用户特征的方法流程图；图2为用户特征向量的表不方法；图3为文档特征向量的表示方法；图4为广告特征向量的表不方法；图5为一种在社交网络中确定用户特征的系统结构图。具体实施例方式结合附图对本专利技术方法作进一步详细说明。图I为一种在社交网络中确定用户特征的方法流程图。包括如下步骤S10.为用户集J= {1，2，...，M}中的多个用户设置用户特征向量初始值，用户特征向量初始值的缺省值为零向量；Sll.接收用户j (j G J)联络用户i (i G J)的请求信号；S12.获取所述用户j的用户特征向量；S13.获取所述用户i的用户特征向量；S14.更新所述用户j的用户特征向量和所述用户i的用户特征向量。其中更新后的所述用户i的用户特征向量是更新前的所述用户i的用户特征向量和所述用户j的用户特征向量的函数；更新后的所述用户j的用户特征向量是更新前的所述用户i的用户特征向量和所述用户j的用户特征向量的函数。在上述方法中，所述联络是在如下应用中的一种操作，包括微博中的加关注(follow)、转发、发私信和评论,脸书(Facebook)中的加为好友、捅(poke)、送礼物和浏览墙(wall)，即时通信中的加为好友和点对点发信，通信系统中的呼叫、发短信和发电子邮件。例如在微博中，如果用户j关注了用户i，我们就说用户j联络了用户i。下面对上述方法作进一步说明，包括所述用户特征向量的表述方法、所述所述用户特征向量的初始值设置方法，以及用户特征向量的具体更新算法等。图2是用户特征向量的表不方法。用户特征向量的表不方法与Gerard Salton提出的向量空间模型VSM的向量表述方法相似，即以特征项作为用户表示的基本单位，用特 征项的集合来近似表示一个用户的特征。所述用户特征向量是由用户的自然特征和用户的个人偏好特征来决定的。用户自然特征包括年龄、性别、职业、学历、身高、体重、地理位置等，用户的个人偏好特征包括用户关注的领域等抽象特征，例如科学、音乐、军事和体育等，而且每个用户关注每个领域的程度有所不同。设用户集J= {1,2,中的所有用户的特征全体为特征集K = {1,2,. .. ,L},用户j (j G J)具有用户特征向量(UWjpUWj2,...,UWjk, . . . , UWjl),其中UWjk表示所述用户j与特征集K的第k个特征的相关度。UWjk数值越大则表示用户j与特征k之间的相关程度越高，如果u%k为负数则表示用户j与特征k负相关。由于所述特征集K包括了所有用户的特征，因此它的维度通常是巨大的，而每个用户的特征只是特征集K中的很小的一部分，所以用户特征向量中绝大多数向量分量的数值都为零，这导致了用户特征向量的数据稀疏现象的产生。解决方法是将所述用户特征向量用一种简化的形式表示，即将用户特征向量表示为 0例如特征集K={新闻，科技，财经，体育，娱乐，生活，旅游，文化，教育，...}，第3209个用户的用户特征向量=，其中2. 4表示用户3209与特征集K中的特征本文档来自技高网...
【技术保护点】
一种在社交网络中确定用户特征的方法，其特征在于，在服务器中实现如下步骤：接收用户1联络用户2的信号；获取所述用户1的用户特征向量；获取所述用户2的用户特征向量；更新所述用户1的用户特征向量和所述用户2的用户特征向量；更新后的所述用户1的用户特征向量是更新前的所述用户1的用户特征向量和所述用户2的用户特征向量的函数；更新后的所述用户2的用户特征向量是更新前的所述用户1的用户特征向量和所述用户2的用户特征向量的函数。
【技术特征摘要】
【专利技术属性】
技术研发人员：祁勇，
申请(专利权)人：祁勇，
类型：发明
国别省市：
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。