用于信息推荐的用户积极关系发现方法及系统技术方案

本发明专利技术公开了一种用于信息推荐的用户积极关系发现方法及系统，方法包括构建用户关系多属性异质图；基于所述用户关系多属性异质图中顶点之间的关系计算目标用户与其他用户之间的关系得分；根据预设的得分阈值和目标用户与其他用户之间的关系得分得到目标用户的积极关系群组；基于TOP

【技术实现步骤摘要】
用于信息推荐的用户积极关系发现方法及系统


[0001]本专利技术涉及信息推荐
，尤其涉及一种用于信息推荐的用户积极关系发现方法及系统。

技术介绍

[0002]随着对大规模数据管理的研究不断深入，推荐系统已经被视为解决数据过载问题最有效的方法。近年来，推荐系统的推荐精准度得到了快速提升。但是目前绝大多数方法都是着眼于静态的用户
‑
信息矩阵分析，而对用户兴趣的动态变化关注不够，从而导致信息推荐系统的性能受到巨大影响。
[0003]除此之外，用户的关联关系在信息推荐中正发挥着越来越重要的作用，尤其是积极关系(如朋友关系)在推荐中的作用越来越明显，但传统的信息推荐方法无法有效利用用户的关联关系进行推荐，而且对于用户偏好以及用户关联关系的动态变化反应不敏感，无法捕获用户需求的动态变化，从而导致信息推荐的准确度不高，进而对信息利用产生不利影响。
[0004]因此，如何更加准确地发现用户积极关系，从而辅助实现信息推荐准确度的提升，是目前本领域亟待解决的问题。

技术实现思路

[0005]本专利技术旨在解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于信息推荐的用户积极关系发现方法，其特征在于，所述方法包括：构建用户关系多属性异质图，其中，所述用户关系多属性异质图以用户和信息为顶点，以顶点之间的连线为边，所述边用于表示顶点之间的关系，所述关系包括用户与用户之间的关系以及用户与信息之间的关系；基于所述用户关系多属性异质图中顶点之间的关系计算目标用户与其他用户之间的关系得分；根据预设的得分阈值和目标用户与其他用户之间的关系得分得到目标用户的积极关系群组；基于TOP
‑
N算法从所述目标用户的积极关系群组中确定与所述目标用户最相似的N个用户，并将确定得到的与所述目标用户最相似的N个用户作为为所述目标用户进行信息推荐的积极关系用户，其中，N为正整数。2.根据权利要求1所述的用于信息推荐的用户积极关系发现方法，其特征在于，所述构建用户关系多属性异质图包括：将用户和信息作为顶点，以所述顶点之间的连线作为边，构建用户关系异质图；根据用户的属性特征，在所述用户关系异质图中添加边属性和顶点属性，得到所述用户关系多属性异质图，其中，所述用户的属性特征包括用户参与的群组数、用户之间的公共群组数、用户之间的公共群组规模和用户之间的公共标签数，所述标签是指用户对信息所做的标签。3.根据权利要求2所述的用于信息推荐的用户积极关系发现方法，其特征在于，所述基于所述用户关系多属性异质图中顶点之间的关系计算目标用户与其他用户之间的关系得分包括：基于逻辑回归模型对所述用户的属性特征中的用户参与的群组数、用户之间的公共群组数、用户之间的公共群组规模和用户之间的公共标签数进行特征融合得到用户关系得分计算模型；基于所述用户关系得分计算模型和目标用户的用户属性特征计算目标用户与其他用户之间的关系得分。4.根据权利要求3所述的用于信息推荐的用户积极关系发现方法，其特征在于，所述用户关系得分计算模型如下：其中，score(v
i
,v
j
)表示用户i与用户j之间的关系得分，|Gr(v
i
)|表示用户i参与的群组数，|Gr(v
j
)|表示用户j参与的群组数，Cg(v
i
,v
j
)表示用户i与用户j之间的公共群组数，Cgs(v
i
,v
j
)
k
表示用户i与用户j之间的公共群组规模，Ct(v
i
,v
j
)表示用户i与用户j之间的公共标签数，n表示用户i与用户j之间的公共群组数，即n＝Cg(v
i
,v
j
)。5.根据权利要求1
‑
4任一项所述的用于信息推荐的用户积极关系发现方法，其特征在于，所述根据预设的得分阈值和目标用户与其他用户之间的关系得分得到目标用户的积极关系群组包括：将所述目标用户与其他用户之间的关系得分与预设的得分阈值进行比较，并将所述目标用户与其他用户之间的关系得分超过预设的得分阈值的对应用户划分至同一个群组形
成目标用户的积极关系群组。6.一种用于信息推荐的用户积极关系发现系统，其特征在于，所述系统包括：异质图构建模块，用于构建用...

【专利技术属性】
技术研发人员：马建威，肖晶晶，周伟，陈明生，方海亮，宋优，
申请(专利权)人：中国人民解放军陆军军医大学，
类型：发明
国别省市：