一种基于社区搜索的好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社区搜索的好友推荐方法及系统，涉及社区搜索技术领域，用于在属性图上使用社区搜索发现符合要求的社区，根据社区进行好友推荐；其过程如下：根据原始数据构建属性图；在图上找出剔除后不影响图连通性的顶点；迭代的使用贪心策略找出剔除后使图稠密模块度最大的顶点；根据迭代完成后得到的社区进行好友推荐。社区进行好友推荐。社区进行好友推荐。

【技术实现步骤摘要】
一种基于社区搜索的好友推荐方法及系统


[0001]本专利技术涉及社区搜索
，具体涉及一种基于社区搜索的好友推荐方法及系统。

技术介绍

[0002]随着社交网络的发展，越来越多的用户开始使用各类网络社交应用，好友推荐是各类应用不可或缺的一项重要功能。应用利用用户之间的共同兴趣爱好，进行信息过滤，为用户推荐拥有相似爱好的好友，提高用户的活跃度。
[0003]为用户推荐好友的过程，也可以被理解为在图中找到包含特定顶点的最合适社区过程，因此可以使用社区搜索算法来进行好友推荐。一种前沿的社区搜索算法是FP(Fast Peeling)算法，FP算法提出了稠密模块度的概念，利用贪心策略寻找使稠密模块度最大且包含特定顶点的社区。
[0004]虽然FP算法能保证较高的准确度且时间开销较低，但FP算法并不适合属性图。而在现实的好友推荐中，需要在属性图上根据用户的属性和应用的需求进行推荐，因此FP算法无法直接用于好友推荐。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于社区搜索的好友推荐方法及系统，能够通过改进FP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于社区搜索的好友推荐方法，其特征在于，用于在属性图上使用社区搜索发现符合要求的社区，根据社区进行好友推荐；该方法包括如下步骤：根据原始数据构建属性图；在图上找出剔除后不影响图连通性的顶点；迭代地使用贪心策略找出剔除后使图稠密模块度最大的顶点；根据迭代完成后得到的社区进行好友推荐。2.根据权利要求1所述的一种基于社区搜索的好友推荐方法，其特征在于，所述根据原始数据构建属性图的方法为：S101：取输入用户集V及其关键字、用户关系、起始顶点集V0和起始关键字集L、预设的关键字距离D；所述起始顶点集V0中有n个顶点，起始关键字集L中有m个关键字；S102：基于输入用户集及其关键字和用户关系构建属性图G＝(V，E，W)并将V0标记为对应顶点，V为输入用户集，E为输入用户中的边集，W为输入用户的关键字；S103：从V0选择一个顶点v0，计算v0到V0中其它顶点的最短路径，取所有最短路径中顶点的并集为可连通图V1。3.根据权利要求2所述的一种基于社区搜索的好友推荐方法，其特征在于，所述在图上找出剔除后不影响图连通性的顶点，具体为：S201：计算V0中每个顶点到其它顶点的距离dist(u，v)，u∈V0，v∈V
‑
V1；u为V0中顶点，v为V
‑
V1中顶点；S202：计算顶点集V0到其它顶点v的距离dist(v)＝min(dist(u，v))，u∈V0；S203：按照dist(v)的大小将V
‑
V1中的顶点分类为S1......S
d
；S1为dist(v)＝1的顶点，S
d
为dist(v)＝d的顶点；S
d
中的顶点即为剔除后不影响图连通性的顶点。4.根据权利要求3所述的一种基于社区搜索的好友推荐方法，其特征在于，所述迭代地使用贪心策略找出剔除后使图稠密模块度最大的顶点，具体为：S301：令C＝C0＝G，计算C的稠密模块度DM(G，C)；S302：计算G中顶点到L的关键字距离；S303：计算C到L的关键字距离kdist(C，L)；S304：计算S
d
中顶点的稠密率；S305：找出S
d
中稠密率最大的顶点v1，将v1从S
d
和C0中移除；S306：更新v1的邻居顶点的稠密率；S307：计算C0的的稠密模块度DM(G，C0)和C到L的关键字距离kdist(C0，L)，若DM(G，C0)>DM(G，C)且kdist(C0，L)≤D，令C＝C0，否则进入S308；S308：若S
d
不为空，进行S305，否则进行S309；S309：令d自减1，若d>0，进行S308，否则输出C，C为剔除顶点后得到的稠密模块度最大社区。5.根据权利要求1所述的一种基于社区搜索的好友推荐方法，其特征在于，所述根据迭代完成后得到的社区进行好友推荐的方法为：令C
‑
V1作为新的C；按照关键字距离为C中顶点从小到大排序；按顺序输出C中顶点，先输出的顶点推荐优先级更高。
6.一种基于社区搜索的好友推荐系统，其特征在于，用于在属性图上使用社区搜索发现符合要求的社区，根据社...

【专利技术属性】
技术研发人员：崔博远，乔鹏鹏，张志威，袁野，王国仁，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：