一种实现服务推荐的方法、装置、计算机存储介质及终端制造方法及图纸

本文公开一种实现服务推荐的方法、装置、计算机存储介质及终端，本发明专利技术实施例基于用户的关联社交网络确定用户的社交相似性，基于社交相似性确定服务偏好，进而根据确定的服务偏好进行服务推荐，利用社交联系实现了服务推荐的质量提升。

【技术实现步骤摘要】
一种实现服务推荐的方法、装置、计算机存储介质及终端
本文涉及但不限于服务推荐技术，尤指一种实现服务推荐的方法、装置、计算机存储介质及终端。
技术介绍
随着面向服务结构和云计算的发展与普及，无数的服务被开发者们发布到互联网上，这些服务能够给消费者们带来广泛的选择。然而，正是因为服务的数量巨大，仅靠人工的方法很难从海量的服务中选择个性化的高质量的服务。在这种情况下，服务推荐技术应运而生，它被视作一个用来解决当前面临的信息过载的重要工具。许多的服务推荐方法都是基于协同过滤，一般可学习的协同过滤模型能够将用户和服务转化为一个向量化的表示，然后基于用户和服务的嵌入表示重建它们的历史交互行为。然而，由于个人的服务调用数据有时候十分稀疏以及冷启动问题的存在，协同过滤的精度并不理想。得益于社交媒体的发展，越来越多的面向服务的系统开始集成社交功能，例如：亚马逊(Amazon)和易贝(eBay)等。传统的全球广域网(Web)服务系统平台的上的用户开始能够建立社交联系；在上述服务平台之上，用户倾向于与社交朋友分享自己的服务偏好。因此，一个用户的服务偏好不仅能够从他的服务调用历史中进行推断，同样也受用户的社交联系影响。然而，把社交联系集成进入服务推荐中并不是一件简单的任务，特别是当涉及到高阶的社交关系的影响时，因为用户的偏好可能不仅被他们自己的朋友影响，还可能受他们的朋友的社交联系影响。根据社交联系的相关理论，使用高阶的社交联系来描述这一在大多数服务推荐系统中都存在的普遍现象；一个服务系统平台上的高阶社交联系包含以下两种层面：1、高阶社交相似性(通用偏好)，它描述了用户与用户朋友的朋友倾向于拥有相似的通用偏好；2、高阶社交差异性(特定偏好)，它反映了用户针对某一特定服务的偏好会受到来自其社交联系的中每一个用户差异化的影响。换句话说，对于某一项需求，用户社交网络中每一个不同的用户可能会贡献不一样的偏好影响。从示意图示意了高阶的社交关系是如何对用户的服务偏好产生影响的。如何利用社交联系提升服务推荐的质量，是一个有待解决的问题。
技术实现思路
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。本专利技术实施例提供一种实现服务推荐的方法、装置、计算机存储介质及终端，能够利用社交联系提升服务推荐的质量。本专利技术实施例提供了一种实现服务推荐的方法，包括：对社交网络中的用户，基于用户的关联社交网络建立用户的社交相似性；根据建立的社交相似性确定用户的服务偏好；根据获得的用户的服务偏好进行服务推荐；其中，所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。另一方面，本专利技术实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述实现服务推荐的方法。再一方面，本专利技术实施例还提供一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，处理器被配置为执行存储器中的计算机程序；所述计算机程序被所述处理器执行时实现如上述实现服务推荐的方法。还一方面，本专利技术实施例还提供一种实现服务推荐的装置，包括：建立单元、确定单元和推荐单元；其中，建立单元设置为：对社交网络中的用户，基于用户的关联社交网络建立用户的社交相似性；确定单元设置为：根据建立的社交相似性，确定用户的服务偏好；推荐单元设置为：根据获得的用户的服务偏好进行服务推荐；其中，所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。本专利技术实施例基于用户的关联社交网络确定用户的社交相似性，基于社交相似性确定服务偏好，进而根据确定的服务偏好进行服务推荐，利用社交联系实现了服务推荐的质量提升。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。图1为本专利技术实施例实现服务推荐的方法的流程图；图2为本专利技术实施例实现服务推荐的装置的结构框图；图3为本专利技术实施例实现服务推荐的神经网络的框架图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下文中将结合附图对本专利技术的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1为本专利技术实施例实现服务推荐的方法的流程图，如图1所示，包括：步骤101、对社交网络中的用户，基于用户的关联社交网络建立用户的社交相似性；其中，关联社交网络由社交网络中与用户连接的邻居组成的网络步骤102、根据建立的社交相似性，确定用户的服务偏好；步骤103、根据获得的用户的服务偏好进行服务推荐。本专利技术实施例基于用户的关联社交网络确定用户的社交相似性，基于社交相似性确定服务偏好，进而根据确定的服务偏好进行服务推荐，利用社交联系实现了服务推荐的质量提升。在一种示例性实例中，步骤101基于用户的关联社交网络建立用户的社交相似性之前，本专利技术实施例方法还包括：步骤100、通过图的广度优先遍历(BFS)，从社交网络中采样每一个用户的关联社交网络。需要说明的是，BFS是本专利技术应用示例的一个可选示例，其他可获得关联社交网络的方法也可以用于实施本专利技术；在一种示例性实例中，从社交网络中采样每一个用户的关联社交网络，包括：确定目标用户在社交网络中的位置；根据确定的确定目标用户在社交网络中的位置，基于广度优先原则，确定每一个用户在社交网络中的一个关联社交网络：N(i)＝{ui0，ui1，ui2，...uin…uiL}；其中，i表示社交网络中的第i个用户，uin表示用户i的第n个邻居。本专利技术实施例步骤101基于用户的关联社交网络建立用户的社交相似性，包括：将用户的关联社交网络为关联社交网络邻接矩阵；转化关联社交网络邻接矩阵为拉普拉斯矩阵；将关联社交网络中的每一个用户的嵌入表示映射到预设维度的空间中，获得预设维度的嵌入表示矩阵；对嵌入表示矩阵和拉普拉斯矩阵进行图卷积，获得用户在关联社交网络中进行预设次数传播的每一次传播的用户；拼接获得的用户的预设次数传播的用户表示，获得用户的社交相似性。需要说明的是，将关联社交网络中的每个用户的嵌入表示映射到预设维度的空间的处理，与转换关联社交网络邻接矩阵为拉普拉斯矩阵的处理，并不存在先后顺序。在一种示例性实例中，本专利技术实本文档来自技高网...

【技术保护点】
1.一种实现服务推荐的方法，包括：/n对社交网络中的用户，基于用户的关联社交网络建立用户的社交相似性；/n根据建立的社交相似性确定用户的服务偏好；/n根据获得的用户的服务偏好进行服务推荐；/n其中，所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。/n

【技术特征摘要】
1.一种实现服务推荐的方法，包括：
对社交网络中的用户，基于用户的关联社交网络建立用户的社交相似性；
根据建立的社交相似性确定用户的服务偏好；
根据获得的用户的服务偏好进行服务推荐；
其中，所述关联社交网络由所述社交网络中与用户连接的邻居组成的网络。


2.根据权利要求1所述的方法，其特征在于，所述基于用户的关联社交网络建立用户的社交相似性之前，所述方法还包括：
通过图的广度优先遍历BFS，从所述社交网络中获得用户的所述关联社交网络。


3.根据权利要求1所述的方法，其特征在于，所述基于用户的关联社交网络建立用户的社交相似性，包括：
将用户的所述关联社交网络表示为关联社交网络邻接矩阵；
转化所述关联社交网络邻接矩阵为拉普拉斯矩阵；
将所述关联社交网络中的每一个用户的嵌入表示映射到预设维度的空间中，获得预设维度的嵌入表示矩阵；
对所述嵌入表示矩阵和所述拉普拉斯矩阵进行图卷积，获得所述用户在所述关联社交网络中进行预设次数传播的每一次传播的用户表示；
拼接获得的用户的预设次数传播的所述用户表示，获得用户的所述社交相似性。


4.根据权利要求3所述方法，其特征在于，所述获得用户在关联社交网络中进行预设次数传播的每一次传播的用户表示，包括：
通过以下图卷积处理，获得用户在所述关联社交网络中进行第一次传播时的所述用户表示为：



用户在关联社交网络中进行第l次传播的用户表示为：



其中，所述表示用户i的所述关联社交网络邻接矩阵对应的所述拉普拉斯矩阵；所述I表示单位矩阵；Wself和为待定参数；所述d0和dl表示所述嵌入表示矩阵的维度，所述表示Wself和Winter的维度范围为d0×dl；所述Ei为用户i的所述嵌入表示矩阵，所述表示用户i的所述关联社交网络中第n个邻居对用户i的嵌入表示；所述所述表示所述Ei(l)的维度范围为(L+1)×dl。


5.根据权利要求4所述的方法，其特征在于，所述获得用户的所述社交相似性Ei*，包括：
Ei*＝Concat(Ei，Ei1，Ei2，…，Eil)Wr；
其中，所述*表示拼接的结果；所述Concat()表示对括号中的用户表示进行拼接；所述Wr表示对Concat(Ei，Ei1，Ei2，…，Eil)进行线性变换处理。


6.根据权利要求1～5任一项所述的方法，其特征在于，所述确定用户的服务偏好，包括：
计算用户的...

【专利技术属性】
技术研发人员：范玉顺，韦淳于，林浩哲，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11