一种基于异构图模型的社交活动推荐方法技术

本发明专利技术公开了一种基于异构图模型的社交活动推荐方法，包括基于用户的兴趣爱好、社交关系、位置偏好、历史行为等为其推荐线下社交活动，以及根据活动的规模自适应调整用户分配方案。异构图模型是该技术的核心，其构建主要包含以下几个步骤,分别为影响因子判别、特征降维、选取异构图节点、建立节点联系、为悬挂节点建立“虚连接”。在图模型建立以后，推荐问题从计算用户与活动间的相似性问题转化为图模型中的节点邻近性计算问题。在图网络中，用户节点与活动节点间通过边直接或间接相连，连接密切的节点间具有更高的相关性，依据用户节点与各活动节点间的相关性，对候选活动进行降序排列，从而选取值最高的K位构成用户推荐列表。

A social activity recommendation method based on heterogeneous graph model

The invention discloses a recommendation method of heterogeneous graph model based on social activities, including the user's interest based on hobbies, social relationships, location preference, historical behavior to recommend the line of social activities, and according to the scale of adaptive adjustment of user activity allocation scheme. Heterogeneous graph model is the core of the technology, its construction mainly includes the following steps, respectively, impact factor identification, feature dimension reduction, selection of heterogeneous node, a node link graph, the establishment of \virtual connection for hanging nodes\. After the establishment of the graph model, the proposed problem is transformed from the similarity problem between the computational user and the activity into the computation of the node proximity in the graph model. In the graph, the user nodes and activities between nodes through the side directly or indirectly connected, close connection between the nodes have a higher correlation, based on correlation between user nodes and the activities between the nodes, the candidate activity in descending order, so as to choose the highest K value of a form user recommendation list.

【技术实现步骤摘要】
一种基于异构图模型的社交活动推荐方法
本专利技术属于大数据与人工智能领域，更具体地，涉及一种基于异构图(Heterogeneousgraph)模型的社交活动推荐方法。
技术介绍
近年来，在现实世界和Cyber空间不断融合交汇的时代背景下，基于活动的社交网络平台迅速发展，如Meetup、Plancast、豆瓣同城活动、QQ群活动等。这些平台的建立促进了社交活动的传播，为活动发起者与平台用户提供了便捷的交流空间。然而，随着社交网络平台的普遍推广，平台规模迅速扩大，据2012年的统计数据，Meetup已经积累了1600万用户，且平台月均活动数目达到了30万。用户从平台中检索出自己最感兴趣的活动已经成了一件费时费力的事情，社交活动推荐系统的研究也因此变得愈发重要。目前所广泛采用的社交活动推荐方法主要包括基于内容的(Content-Based)推荐算法和协同过滤算法(CollaborativeFiltering)。其中，基于内容的推荐算法计算用户兴趣与候选活动内容间的相似度，从而选取用户在内容上最感兴趣的活动，但是该算法存在推荐内容单一、内容特征提取困难的问题；协同过滤算法利用相似用户对候选活本文档来自技高网...

【技术保护点】
一种基于异构图模型的社交活动推荐方法，其特征在于，包括以下步骤：(1)获取参与社交活动的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及每个用户对社交活动偏好的影响因素，其中M表示用户数量，N表示社交活动的数量，W表示社交活动群组的数量；(2)使用聚类算法对获取到的影响因素进行预处理，以得到处理后的影响因素集合F＝{F1,F2,...FZ}，其中Z表示处理后的影响因素的数量；(3)将得到的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN...

【技术特征摘要】
1.一种基于异构图模型的社交活动推荐方法，其特征在于，包括以下步骤：(1)获取参与社交活动的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及每个用户对社交活动偏好的影响因素，其中M表示用户数量，N表示社交活动的数量，W表示社交活动群组的数量；(2)使用聚类算法对获取到的影响因素进行预处理，以得到处理后的影响因素集合F＝{F1,F2,...FZ}，其中Z表示处理后的影响因素的数量；(3)将得到的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及处理后的影响因素集合F＝{F1,F2,...FZ}中的每个元素作为异构图的节点，通过训练集数据构建异构图模型中各个节点间的连接，以生成异构图模型中的边，并为每条边设置相同的权重系数；(4)为异构图模型中存在关联性的集合构建对应的邻接矩阵；(5)对获取的每个邻接矩阵进行行归一化，以生成转移概率矩阵P；(6)利用带重启动的随机游走方法对异构图模型进行处理，以得到每个用户对社交活动的偏好程度；(7)将步骤(6)中得到的每个用户对社交活动的偏好程度按照从高到低的顺序进行排序，并将前K个偏好程度对应的社交活动推荐给该用户，其中K为自然数。2.根据权利要求1所述的社交活动推荐方法，其特征在于，步骤(5)中对于邻接矩阵中某一行元素全零的情况，则将该行元素全部设置为1，再进行归一化处理。3.根据权利要求1或2所述的社交活动推荐方法，其特征在于，步骤(6)包括以下子步骤：(6-1)令u(t),e(t),g(t),f1(t),...fZ(t)分别表示随机游走的第t步中用户节点集合、社交活动节点集合、群组节点集合以及影响因素节点集合的概率分布向量，随机为异构图模型中的每个集合中的节点赋概率初值，即设定u(0),e(0),g(0),f1(0),...fZ(0)；(6-2)以社交活动集合中的每个节点为重启动节点，依次为每个重启动节点设置请求向量q1×N；(6-3)利用步骤(5)中得到的转移概率矩阵、步骤(6-1)中得到的每个节点的概率初值和步骤(6-2)中得到的请求向量，并依次以社交活动集合中的每个节点为重启动节点，采用以下公式进行随机游走过程，以得到每个节点对应的稳态概率值；......其中，II()是表征括号里两类集合是否存在关联的指示函数，若存在关联则其取值为1，否则取值为0。4.根据权利要求1至3中任意一项所述的社交活动推荐方法，其特征在于，步骤(6-3)的随机游走的每一步中，每个节点将其概率值沿边传递到其相邻节点上，同时也接收其相邻节点传递过来的概率值，重启动活动节点在每步随机游走中会被赋予一定的重启动概率，重复此步骤，直到各节点上的概率值趋于稳定，收敛为稳态概率值。5.一种基于异构图模型的社交活动推荐方法，其特征在于，包括以下步骤：(1)获取参与社交活动的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及每个用户对社交活动偏好的影响因素，其中M表示用户数量，N表示社交活动的数量，W表示社交活动群组的数量；(2)使用聚类算法对获取到的影响因素进行预处理，以得到处理后的影响因素集合F＝{F1,F2,...FZ}，其中Z表示处理后的影响因素的数量；(3)将得到的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及处理后的影响因素集合F＝{F1,F2,...FZ}中的每个元素作为异构图的节点，通过训练集数据构建异构图模型中各个节点间的连接，以生成异构图模型中的边，并为每条边设置相同的权重系数；(4)为异构图模型中存在关联性的集合构建对应的邻接矩阵；(5)对获取的每个邻接矩阵进行行归一化，以生成转移概率矩阵P；(6)利用带重启动的随机游走方法对异构图模型进行处理，以得到每个用户对社交活动的偏好程度；(7)利用最优化模型对获得的每个用户对社交活动的偏好程度，并引入每个社交活动的容量进行处理，在满足社交活动所推荐的用户数不超过其容量的前提下得到为每个用户推荐的社交活动。6.根据权利要求5所述的社交活动推荐方法，其特征在于，步骤(6)包括以下子步骤：(6-1)令u(t),e(t),g(t),f1(t),...fZ(t)分别表示随机游走的第t步中用户节点集合、社交活动节点集合、群组节点集合以及影响因素节点集合的概率分布向量，随机为异构图模型中的每个集合中的节点赋概率初值，即设定u(0),e(0),g(0),f1(0),...fZ(0)；(6-2)以社交活动集合中的每个节点为重启动节点，依次为每个重启动节点设置请求向量q1×N；(6-3)利用步骤(5)中得到的转移概率矩阵、步骤(6-1)中得到的每个节点的概率初值和步骤(6-...

【专利技术属性】
技术研发人员：莫益军，李比希，郑刚，余军，
申请(专利权)人：华中科技大学鄂州工业技术研究院，
类型：发明
国别省市：湖北,42