好友及应用个性化推荐方法及系统技术方案

本发明专利技术提供了一种好友及应用个性化推荐方法及系统，包括步骤：步骤A：计算推荐得分S；步骤B：根据推荐得分显示推荐内容；步骤C：根据用户对推荐内容的反馈信息调整推荐权值向量；步骤D：根据调整后的用户推荐权值向量更新推荐内容。本发明专利技术适用场景更加广泛、推荐结果更加准确、计算速度更快，并且具有闲时计算以及黑名单机制等优点，能够有效提高信息推荐的准确率，并且节省了计算开销，具有良好的推荐效果。

【技术实现步骤摘要】
好友及应用个性化推荐方法及系统
本专利技术涉及网络通信
，具体地说，是社交网络中的一种基于Hadoop的好友和应用推荐方法及系统。
技术介绍
诸如人人网、脸书、朋友网等社交网络已成为当下不可缺少的社交方式。活跃用户数量对于社交网站来说非常重要，而帮助用户建立和扩大稳定的关系网络是维持和增加活跃用户数量的最有效方法。这就需要为用户推荐潜在好友和能与好友产生互动的应用。而现有的好友及应用推荐方法大多比较单一。目前的好友推荐方法可分为几类：1、根据非好友用户间共同好友数量。2、根据个人资料相似度(毕业学校、工作地点、共同兴趣等)。3、要求用户自己设定好友分组，并设定好友分组等级。这样些推荐方法存在以下弊端：1)应用场景有限。如基于非好友用户间共同好友数量的推荐方法，若一个新注册用户未添加任何好友，此推荐方法将不会有任何推荐结果。2)未考虑用户间的互动信息。互动是社交网络的基本属性，不考虑用户间的互动，就无法得到准确合理的推荐结果。3)容易造成用户信息泄露。如基于个人资料相似度的好友推荐方法，用户根据推荐的排名，很容易可推测出排名靠前的用户的个人信息，造成用户信息泄露。对于应用推荐，目前的推荐方法主要基于用户历史行为进行推荐，如根据用户已添加的应用的标签，推荐相似应用。这种根据用户历史行为的应用推荐方法存在如下弊端：1)在用户未添加任何应用时，此方法失去作用，不会有任何推荐结果。2)会产生较多的与用户已添加应用功能重复的推荐结果。3)未考虑好友的应用使用情况，无法得到准确合理的推荐结果。经检索，发现如下相关专利文献。相关检索结果1：申请(专利)号：201210125050.3，名称：一种在SNS网络中好友推荐的系统和方法摘要：本专利技术属于计算机网络
，具体涉及一种在SNS网络中好友推荐的系统与方法。该系统包括客户端和服务器端。该方法由用户提前设定用户的好友分组，并且自定好友分组的等级，服务器端根据某一好友分组的等级和某一好友分组内的相同好友个数的百分比，获得所有用户的好友推荐值，并根据好友推荐值的大小，将推荐值最高的用户作为临时好友推荐给用户。该方法是用客户端和服务器端的协作，以及用户的参与，使得好友推荐系统的好友推荐能够降低好友门槛，方便用户添加好友，并且可以较准确的推荐用户所需要或所认识的好友，提高好友推荐的准确度和有效性。技术要点比较：1.好友推荐考虑维度：此方法本质上还是从共同好友数量一个维度进行好友推荐，这样做有几个弊端：1、太片面，看重共同好友数量，对于好友与用户的紧密程度不做区分，与“和共同好友紧密度较高的用户之间比共同好友多的用户之间更容易成为好友”这一事实不符。2、对于新注册，填写过个人资料但是未添加过好友的用户，该方法无法使用。而本专利技术从多个维度进行综合评分，考虑更加全面，更加符合事实情况，也能应对新注册用户没有好友的情况。并且可以根据用户反馈动态调整，更加智能。2.黑名单和滚动显示机制：上述方法未使用黑名单机制，这就导致排名靠前但是用户不想添加的推荐好友长期占据推荐板块，使推荐机制失去意义。而本专利技术引入黑名单机制，用户可以手动将不想添加的好友加入黑名单，以后不会再次显示。而且，本方法还将排名靠前的推荐好友分组滚动显示，在好友推荐显示模块大小相同的情况下，可以显示更多的推荐好友，提高用户接受推荐的概率。3.是否需要用户主动介入：上述方法需要用户主动设置分组并设定分组等级，对于不习惯为好友分组或者分组不准确的用户，此方法效果很差甚至不能使用。而本专利技术基于数据挖掘和分析，不要求用户主观为好友推荐方法提供过多辅助，更加人性化。相关检索结果2：申请(专利)号：201310336664.0，名称：一种基于用户签到相似度的好友推荐系统摘要：本专利技术公开了一种基于用户签到相似度的好友推荐系统，该系统包括兴趣推荐模块、相似度计算模块和主题提取模块。首先经主题提取模块从LBSN数据库中取得以往用户的签到记录，并采用主题提取算法获得提取用户签到记录中潜在的主题；然后利用主题提取模块提取的潜在主题，调用相似度计算模块的计算方法分别计算候选用户集中每个用户在每个主题下与请求用户的相似度；然后每个用户将每个主题下的相似度求和得到最终的相似度。最后由兴趣推荐模块根据请求用户的请求参数设置确定最终的推荐好友，并返回给请求用户。技术要点比较：1.好友推荐考虑维度：该专利文献使用单一维度进行好友推荐，考虑方面过于单一，且使用的是用户的签到信息，这就会有以下问题：(1)、方法适合情况有限：只有少数社交网站提供签到功能。(2)、造成用户信息泄露：签到信息中通常包含用户位置信息，这样用户推荐好友模块显示靠前的用户和此用户的签到位置信息相似度可能很高，造成信息泄露。使用本专利技术，不仅适合大多数社交网站，而且从多个维度进行综合考虑，返回综合结果，不会对单一维度的信息造成泄露，安全性较高。2.黑名单机制：见相关检索结果2中的第2条。相关检索结果3：申请(专利)号：201310566824.0，名称：应用推荐方法和系统摘要：本专利技术公开了一种应用推荐方法和系统，所述方法包括：针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签；针对确定出的每个相似标签，将计算出的该相似标签与当前应用的各标签之间的相似值之和，作为该相似标签的相似值；并针对每个相似标签，查找出具有该相似标签的其它应用作为待推荐应用；针对每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值；选取相似值大于第二阈值的待推荐应用进行推荐。本专利技术的技术方案中，改善了评分数据的稀疏性，有助于提高推荐的精确度；建立待推荐应用与当前应用的联系，提高了推荐的精确度。技术要点比较：1.推荐维度：此方法使用应用标签这个单一维度进行推荐，考虑过于片面，且可能造成推荐过多相似应用的情况。而本专利技术使用应用热度和好友使用情况两个维度进行推荐，且接受用户的反馈和黑名单机制，不会出现单个方面的应用推荐过多。2.适用场景：此方法的适用场景有限，当用户尚未添加任何应用的时候，此方法就失去了作用。而本方法可以从热门应用和好友应用角度进行推荐，适用于大多数场景。3.黑名单机制：此方法还是会造成用户不想添加的排名靠前的应用始终占据应用推荐显示模块，而排名靠后的用户更可能添加的应用无法显示，导致应用推荐失去意义。而本专利技术引入黑名单机制，用户可以手动将不想添加的应用加入黑名单，以后不会再次显示。而且，本方法还将排名靠前的推荐应用分组滚动显示，在好友推荐显示模块大小相同的情况下，可以显示更多的推荐应用，提高用户接受推荐的概率。4.更符合社交特性：当下社交网络中的好多应用(尤其是游戏)可以在好友之间产生互动，所以好友喜欢使用的应用更可能被用户接受。本专利技术正好符合这一社交特性，所以更适合进行应用推荐。而此专利技术只是基于当个用户的信息进行推荐，不符合社交特性。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于Hadoop的好友及应用个性化推荐方法及系统。本专利技术要解决的技术问题体现在以下几点：1)引入评分机制，对于好友和应用推荐从多个维度进行评分，最后得到一个综合评分，根据综合评分由高到低进行排序对用户进行本文档来自技高网...

【技术保护点】
一种好友及应用个性化推荐方法，其特征在于，包括如下步骤：步骤A：计算推荐得分S；步骤B：根据推荐得分显示推荐内容；步骤C：根据用户对推荐内容的反馈信息调整推荐权值向量；步骤D：根据调整后的用户推荐权值向量更新推荐内容。

【技术特征摘要】
1.一种好友及应用个性化推荐方法，其特征在于，包括如下步骤：步骤a：计算推荐得分S；步骤b：根据推荐得分显示推荐内容；步骤c：根据用户对推荐内容的反馈信息调整推荐权值向量；步骤d：根据调整后的推荐权值向量更新推荐内容；所述步骤a包括如下步骤：步骤a1：计算潜在好友推荐总分；步骤a1包括如下步骤：步骤a1.1：为每个用户维护一个潜在好友组，并将有如下一个或多个特征的非好友用户加入到该用户的潜在好友组中：特征1)、与该用户毕业学校相同或工作公司名称相同；特征2)、与该用户有共同好友；特征3)、与该用户有过互动；步骤a1.2：为每个用户维护一张评分表，该评分表中每一行包含对一个在其潜在好友组中的非好友用户的评分信息，所述评分信息包括校友相关度评分、同事相关度评分、共同好友评分、潜在好友互动评分；步骤a1.3：对用户潜在好友组中的所有非好友用户进行步骤a1.4到步骤a1.8中的计算；步骤a1.4：计算校友相关度评分：对于某个用户A，若其潜在好友组中的某个非好友用户B的评分表中包含用户A的校友相关度评分T1，则直接将校友相关度评分T1设为用户A对用户B的校友相关度评分；若没有，则执行以下操作：步骤a1.4.1：初始化评分值为0，设置校友关系基础分、同学关系基础分、年级差基础分；步骤a1.4.2：若用户A、用户B是校友，每构成一次校友关系则评分值加上一个校友关系基础分；步骤a1.4.3：对于大学校友，若用户A、用户B同一个学院，则评分值加上同学关系基础分；步骤a1.4.4：对于非大学校友，若用户A、用户B同年同班，每成立一次，则评分值加上一个同学关系基础分；步骤a1.4.5：根据如下公式得到最终评分值：最终评分值＝当前评分值-∑|用户A、用户B在同一学校的入学年份差|*年级差基础分；若最终评分值小于0，则将最终评分值设为0；步骤a1.5：计算同事相关度评分：设置同事关系基础分；对于用户A，若其潜在好友中的某个非好友用户B的评分表中包含用户A的同事相关度评分T2，则直接将同事相关度评分T2设为用户A对用户B的同事相关度评分；若没有，则进行判断：若用户A、用户B就职于同一家公司且在同一城市，则同事相关度评分设为同事关系基础分，否则设为0；步骤a1.6：计算好友紧密度评分：为用户A维护一张好友互动数表，好友互动数表中包含用户A最近一段时间与其每个好友的互动数；对于用户A，若其好友列表中的某用户C的好友互动表中包含与用户A的互动数T3，则直接将互动数T3设为用户A的好友互动数表中与用户C的互动数，若没有，则统计互动数；其中，根据如下公式得到好友紧密度评分：用户C对于用户A的好友紧密度评分＝用户C与用户A的互动数/用户A与好友互动总数；步骤a1.7：计算共同好友评分：对于用户A潜在好友组中的某个非好友用户B，按下式计算其与用户A的共同好友评分：共同好友评分(B|A)＝∑用户B与用户A共同好友对于用户A的好友紧密度评分步骤a1.8：计算潜在好友互动评分：设置互动基础分和一段时间间隔；对于用户A，若其潜在好友中的某个非好友用户B的评分表中包含用户A的潜在好友互动评分T4，则直接将潜在好友互动评分T4设为用户A对用户B的潜在好友互动评分；若没有，则统计用户A、用户B在设置的一段时间间隔内的互动数；其中，根据如下公式计算潜在好友互动评分：潜在好友互动评分＝潜在好友互动数*互动基础分；步骤a1.9：计算潜在好友推荐总分：为每个用户维护一个用户推荐四维权值向量，该用户推荐四维权值向量的每个维度初始值都为1，具体为：将用户A潜在好友组中的某个非好友用户B的校友相关度评分、同事相关度评分、共同好友评分和潜在好友互动评分组成一个四维向量作为用户B的用户推荐四维权值向量，并将该用户B的用户推荐四维权值向量与用户A的用户推荐权值向量做点积运算，运算结果作为该用户B对于用户A的潜在好友推荐总分，将潜在好友推荐总分作为步骤a中的所述推荐得分S。2.根据权利要求1所述的好友及应用个性化推荐方法，其特征在于，所述步骤a包括如下步骤：步骤a2：计算应用推荐总分；其中，步骤a2包括以下步骤：步骤a2.1：为每个用户维护一个未添加应用组，将用户的未添加应用添加到未添加应用组中；步骤a2.2：为每个用户维护一张应用推荐评分表，每一行包含一个未添加应用组中的未添加应用的评分信息，所述评分信息，包含应用相对热度评分和应用好友相关评分；并对未添加应用组中的所有未添加应用进行步骤a2.3到步骤a2.4中的计算；步骤a2.3：计算应用相对热度评分：对于某个用户A，服务器端统计每个应用使用人数，然后根据使用人数计算每个用户未添加应用组中的每个应用的相对热度，添加到应用推荐评分表中；对于用户A的未添加应用组中的某个应用BY，其相对热度按下式计...

【专利技术属性】
技术研发人员：黄洁琛，谢朝阳，童晓渝，丁星，武静，
申请(专利权)人：中电科华云信息技术有限公司，
类型：发明
国别省市：上海;31