一种基于双吸引度计算的社交网络陌生交友推荐方法及系统技术方案

本发明专利技术公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及系统，属于互联网技术领域，首先通过识别处于社交探索期的用户，构建社交探索期用户列表；然后根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；最后，根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在：该方法通过识别社交探索期的用户，只为社交探索期的用户推荐其它社交探索期的用户，杜绝对用户的骚扰。同时，通过设计“双吸引指数”概率计算模型，推荐相匹配的用户，提高推荐的准确度。

【技术实现步骤摘要】
一种基于双吸引度计算的社交网络陌生交友推荐方法及系统
本专利技术属于互联网
，具体涉及一种基于双吸引度计算的社交网络陌生交友推荐方法及系统。
技术介绍
陌生交友是指，两个在现实生活中不存在社会关系的人建立社交网络上的好友关系。陌生交友目前已经是一个比较普遍的社交网络现象。当前社交网络/软件的好友推荐技术主要依据的是用户之间的相似性。好友推荐方法主要包括三类：(1)基于社交网络中的节点(即用户)的网络相似性度量来推荐，代表性的产品或功能包括腾讯QQ的可能认识的人、Facebook的PeopleYouMayKnow等；(2)基于用户属性的相似性来推荐，比如同城交友、具有相同兴趣的交友等；(3)上述两种技术的混合。这三类技术的核心思想均为基于用户之间的相似性来推荐好友。但是，当前的好友推荐方法在推荐陌生好友时常常存在以下问题：(1)对用户产生骚扰。只有部分用户或者处于某些阶段的用户才会对陌生交友感兴趣，而另外一些用户或者处于另外一些阶段的用户则可能对陌生交友不感兴趣。为后一种用户推荐陌生好友，或者将后一种用户推荐给别的用户，会对这些用户造成骚扰；(2)推荐不准确。现有的推荐方法依据的是相似性度量，然而，这样推荐得到的好友，用户往往不感兴趣。与推荐相似的用户相比，推荐相匹配的用户应该会更加准确。(3)现有的推荐系统的推荐结果基本是静态的，推荐结果会在较长时间内保持不变，而推荐陌生好友是一个不断试错和总结的过程。
技术实现思路
为了克服上述现有技术存在的缺陷，本专利技术的目的在于提供一种基于双吸引度计算的社交网络陌生交友推荐方法及系统。本专利技术是通过以下技术方案来实现：本专利技术公开了一种基于双吸引度计算的社交网络陌生交友推荐方法，包括以下步骤：步骤一，通过社交网络用户交友数据库，识别处于社交探索期的用户，构建社交探索期用户列表；步骤二，在社交探索期用户列表中，根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；步骤三，根据匹配程度将推荐结果动态展示给社交探索期的用户，社交探索期的用户根据需求自行选择互动。步骤一所述的构建社交探索期用户列表，具体操作包括如下步骤：1)采集某一用户在最近某一时间段内的交友记录，计算新增好友与该用户的共同好友数；2)定义与该用户的共同好友数等于0的新增好友为陌生好友；定义与该用户的共同好友数大于0的新增好友为熟人好友；3)根据自定义规则，筛选得出处于社交探索期的用户，形成社交探索期用户列表。优选地，步骤3)自定义规则为：若用户新增好友数大于5，并且新增好友中的陌生好友所占的比例大于50％，则视此用户为社交探索期用户。共同好友数指用户的好友与新增好友的好友重复个数。步骤二所述的根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，具体操作包括如下步骤：1)假设有两个用户U1和U2，采集U1和U2的个人属性，并形成个人属性向量A；2)采集U1和U2在某一时间段内新增好友的个人属性向量Af，计算平均个人属性P；3)计算U2对U1的吸引指数以及U1对U2的吸引指数：U2对U1的吸引指数的计算公式为：AI(U2>U1)＝P1·A2/(|P1|*|A2|)；其中P1·A2是向量积，|P1|是向量的模，该公式计算P1与A2向量的余弦，通过两个向量的夹角来判断其匹配程度；U1对U2的吸引指数计算公式为：AI(U1>U2)＝P2·A1/(|P2|*|A1|)；4)定义U1和U2间的双吸引指数为AI(U1<>U2)，计算两个用户U1和U2间的双吸引指数，计算公式如下：AI(U1<>U2)＝AI(U1>U2)*AI(U2>U1)。步骤三所述的根据匹配程度将推荐结果动态展示给社交探索期的用户，是按照双吸引指数得分由高到低将推荐结果按顺序推荐给用户，并通过用户终端能够识别的方式展示。优选地，当用户浏览过推荐结果后，推荐结果失效并消失。优选地，当未浏览的推荐结果小于用户设定的数量时，重新启动计算下一批推荐结果。本专利技术还公开了一种基于双吸引度计算的社交网络陌生交友推荐系统，包括：社交探索期用户识别模块，该模块基于用户交友数据库，用于识别处于社交探索期的社交网络用户，并构建社交探索期用户列表；交友匹配计算模块，用于计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；结果展示模块，用于将推荐结果动态展示给用户，并允许用户根据需求进行互动。与现有技术相比，本专利技术具有以下有益的技术效果：本专利技术公开的基于双吸引度计算的社交网络陌生交友推荐方法，首先通过识别处于社交探索期的用户，构建社交探索期用户列表；然后根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；最后，根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在：该方法通过识别社交探索期的用户，只为社交探索期的用户推荐其它社交探索期的用户，杜绝对用户的骚扰。同时，通过设计“双吸引指数”概率计算模型，推荐相匹配的用户，提高推荐的准确度。优选地，当用户浏览过推荐结果后，推荐结果失效并消失，当未浏览的推荐结果小于用户设定的数量时，重新启动计算下一批推荐结果。本方法能够通过设计推荐结果的生命周期管理，使得推荐结果随着用户操作而动态变化。本专利技术公开的基于双吸引度计算的社交网络陌生交友推荐系统，主要由以下三部分组成：社交探索期用户识别模块、交友匹配计算模块、推荐结果展示模块。社交探索期用户识别模块基于用户交友数据库，识别处于社交探索期的社交网络用户；交友匹配计算模块用于计算两个处于社交探索期的用户的匹配指数；结果展示模块是将推荐结果动态展示给用户，并允许用户进行一定的互动。附图说明图1为基于双吸引度计算的社交网络陌生交友推荐系统逻辑结构图；图2为基于双吸引度计算的社交网络陌生交友推荐结果展示图。其中，101为用户交友数据库；102为社交探索期用户识别模块；103为交友匹配计算模块；104为结果展示模块。具体实施方式下面结合具体的实施例对本专利技术做进一步的详细说明，所述是对本专利技术的解释而不是限定。本专利技术公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及系统，其功能结构图如图1所示，其中，101为用户交友数据库；102为社交探索期用户识别模块；103为交友匹配计算模块；104为结果展示模块。系统功能主要由以下三部分组成：社交探索期用户识别模块102、交友匹配计算模块103及结果展示模块104。社交探索期用户识别模块102基于用户交友数据库，识别处于社交探索期的社交网络用户；交友匹配计算模块103用于计算两个处于社交探索期的用户的匹配指数；结果展示模块104是将推荐结果动态展示给用户，并允许用户进行一定的互动。基于双吸引度计算的社交网络陌生交友推荐方法，包括以下步骤：步骤一，通过社交网络用户交友数据库，识别处于社交探索期的用户，构建社交探索期用户列表；步骤二，在社交探索期用户列表中，根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；步骤三，根据匹配程度将推荐结果动态展示给社交探索期的用户，社交探索期的用户根据需求自行选择互动。下面对各模块工作进行具体举例说明：1本文档来自技高网...

【技术保护点】
一种基于双吸引度计算的社交网络陌生交友推荐方法，其特征在于，包括以下步骤：步骤一，通过社交网络用户交友数据库，识别处于社交探索期的用户，构建社交探索期用户列表；步骤二，在社交探索期用户列表中，根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；步骤三，根据匹配程度将推荐结果动态展示给社交探索期的用户，社交探索期的用户根据需求自行选择互动。

【技术特征摘要】
1.一种基于双吸引度计算的社交网络陌生交友推荐方法，其特征在于，包括以下步骤：步骤一，通过社交网络用户交友数据库，识别处于社交探索期的用户，构建社交探索期用户列表；步骤二，在社交探索期用户列表中，根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，得出二者的匹配程度；所述的根据社交探索期的用户个人属性，计算两个处于社交探索期的用户的双吸引指数，具体操作包括如下步骤：1)假设有两个用户U1和U2，采集U1和U2的个人属性，并形成个人属性向量A；2)采集U1和U2在某一时间段内新增好友的个人属性向量Af，计算平均个人属性P；3)计算U2对U1的吸引指数以及U1对U2的吸引指数：U2对U1的吸引指数的计算公式为：AI(U2>U1)＝P1·A2/(|P1|*|A2|)；其中P1·A2是向量积，|P1|是向量的模，该公式计算P1与A2向量的余弦，通过两个向量的夹角来判断其匹配程度；U1对U2的吸引指数计算公式为：AI(U1>U2)＝P2·A1/(|P2|*|A1|)；4)定义U1和U2间的双吸引指数为AI(U1<>U2)，计算两个用户U1和U2间的双吸引指数，计算公式如下：AI(U1<>U2)＝AI(U1>U2)*AI(U2>U1)；其中，A1、A2分别是用户U1、U2的个人属性向量，P1、P2分别是用户U1、U2的平均个人属性；步骤三，根据匹...

【专利技术属性】
技术研发人员：刘跃文，陈川，黄伟，刘盈，姜锦虎，孙永洪，孟佩君，孙金鑫，张舟，
申请(专利权)人：西安交通大学，腾讯科技深圳有限公司，
类型：发明
国别省市：陕西;61