一种基于路径排序的好友推荐方法与系统技术方案

本发明专利技术公开了一种基于路径排序的好友推荐方法与系统，所述方法包括：将原始数据组织成以图为数据结构的训练数据；根据专家领域知识，对每一个特定的用户行为，定义一个包含路径类型的行为集合；通过遍历训练数据训练二分类器，基于行为集合获得现有用户特征；获取多组候选用户的用户‑内容关系，通过使用训练好的二分类器，对候选用户行为进行特征提取，获得候选用户特征；将候选用户特征与现有用户特征进行匹配，根据匹配结果判断候选用户与现有用户的行为相似度，并据此进行好友推荐。

【技术实现步骤摘要】
一种基于路径排序的好友推荐方法与系统
本专利技术涉及推荐
，尤其涉及一种基于路径排序的好友推荐方法与系统。
技术介绍
在社交网络平台，好友推荐是一个常用功能，通常情况下好友推荐根据共同好友共同关注，用户标签(性别，年龄，地址，喜好)等进行推荐。在现有的技术方案中，二度人脉好友推荐运用非常广泛，比如在一些主流的社交产品中就有可能认识的人这样的功能，一般来说可能认识的人是通过二度人脉搜索得到的，假如A和B是好友关系，B和C是好友关系，然而C和A不是好友关系，那么A和C是二度好友关系，他们可以通过B认识，B是中间人；或者是根据用户标签，把标签相近的用户推荐给对方。上述两个现有的推荐算法无个性化，无法挖掘用户的潜在兴趣，也无法为新用户产生推荐。
技术实现思路
本专利技术针对上述的推荐具有局限性的技术问题，提出一种基于路径排序的好友推荐方法与系统。第一方面，本申请实施例提供了一种基于路径排序的好友推荐方法，包括：训练数据获得步骤：将原始数据组织成以图为数据结构的训练数据；>定义集合步骤：根据本文档来自技高网...

【技术保护点】
1.一种基于路径排序的好友推荐方法，其特征在于，包括：/n训练数据获得步骤：将原始数据组织成以图为数据结构的训练数据；/n定义集合步骤：根据专家领域知识，对每一个特定的用户行为，定义一个包含路径类型的行为集合；/n现有用户特征获得步骤：通过遍历所述训练数据训练二分类器，基于所述行为集合获得现有用户特征；/n候选用户特征获得步骤：获取多组候选用户的用户-内容关系，通过使用训练好的所述二分类器，对候选用户行为进行特征提取，获得候选用户特征；/n匹配步骤：将所述候选用户特征与所述现有用户特征进行匹配。/n

【技术特征摘要】
1.一种基于路径排序的好友推荐方法，其特征在于，包括：
训练数据获得步骤：将原始数据组织成以图为数据结构的训练数据；
定义集合步骤：根据专家领域知识，对每一个特定的用户行为，定义一个包含路径类型的行为集合；
现有用户特征获得步骤：通过遍历所述训练数据训练二分类器，基于所述行为集合获得现有用户特征；
候选用户特征获得步骤：获取多组候选用户的用户-内容关系，通过使用训练好的所述二分类器，对候选用户行为进行特征提取，获得候选用户特征；
匹配步骤：将所述候选用户特征与所述现有用户特征进行匹配。


2.根据权利要求1所述的基于路径排序的好友推荐方法，其特征在于，所述训练数据获得步骤包括：
采样步骤：对于已发生的用户行为，围绕用户-内容关系使用封闭世界假设对负样本进行采样，采样结果为所述训练数据中的样本。


3.根据权利要求2所述的基于路径排序的好友推荐方法，其特征在于，所述现有用户特征获得步骤包括：
特征矩阵构建步骤：遍历所述训练数据中的每一条所述样本，以所述样本中的起始实体为起点，使用所述行为集合内的路径类型作为约束，对现有用户在一定时间段内的行为构建稀疏特征矩阵；
模型训练步骤：以所述稀疏特征矩阵为输入训练二分类器，将所述二分类器的全连接层作为行为特征；
聚类步骤：对于同一个用户的所述行为集合，对应获取与所述行为集合相同数量的所述行为特征，对所述行为特征进行聚类，获取聚类结果中最大的簇的均值为现有用户特征。


4.根据权利要求1所述的基于路径排序的好友推荐方法，其特征在于，所述匹配步骤包括：
距离计算步骤：计算所述候选用户特征与所述现有用户特征的欧式距离或余弦距离。


5.根据权利要求4所述的基于路径排序的好友推荐方法，其特征在于，所述候选用户特征与所述现有用户特征的欧式距离或余弦距离越小，候选用户与现有用户行为越接近。

【专利技术属性】
技术研发人员：安达，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31