【技术实现步骤摘要】
本专利技术涉及内容推荐，尤其涉及一种基于链路预测算法的内容推荐方法及系统。
技术介绍
1、大型企业和组织等，逐渐开始部署知识管理平台，实现显性知识和隐性知识的共享，员工自愿合作共享和开发知识资源，以使企业和组织达到更高的目标和产生更好的效益。
2、但面对百万级别数量的文档和视频，用户如何快速从平台上找到自己喜好的内容，仅靠搜索功能是无法满足的，平台必须提供内容推荐功能。
3、传统的内容推荐算法，普遍存在一些问题。首先，存在数据的稀疏性问题。在实际应用场景中，用户和内容的交互信息往往是非常稀疏的。例如，一个知识共享平台可能包含几十万个内容，然而一个用户访问的内容可能数量很少。使用如此少量的已观测数据来预测大量的未知信息，会极大地增加算法的过拟合风险。其次，传统算法无法为新用户产生推荐，因为新用户缺少与平台现有内容的交互，传统算法无法获取用户特征，所以也就无法为用户产生推荐，这也称为“冷启动问题”。另外，无法挖掘出用户的潜在兴趣，因为传统推荐算法依赖于用户过去对某些内容的喜好，它产生的推荐也都会和用户过去喜欢的内容相似。如果一个人以前只看算法推荐的内容，算法只会给他推荐更多与推荐相关的文章，但用户可能还对其他内容感兴趣。
技术实现思路
1、本专利技术旨在至少解决相关技术中存在的技术问题之一。为此，本专利技术提供一种基于链路预测算法的内容推荐方法及系统。
2、本专利技术提供一种基于链路预测算法的内容推荐方法，包括：
3、s1：基于用户及用户
4、s2：遍历所述图网络，获得多个特殊节点组，所述特殊节点组内包括第一节点及第二节点，所述第一节点与所述第二节点间不存在连接关系；
5、s3：通过链路预测算法计算第一节点和第二节点间的链接分数；
6、s4：选取与第一节点和第二节点均建立连接关系的第三节点，与第一节点及第二节点均相邻的第四节点，基于所述第三节点及所述第四节点对所述链接分数进行加权计算，获得加权链接分数；
7、s5：预设链接分数阈值，将加权链接分数大于所述链接分数阈值判定为关联节点组；
8、s6：基于所述关联节点组中的任一节点的浏览内容为另一节点进行内容推荐。
9、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，步骤s1中，所述图网络的节点表示用户，所述图网络的边表示连接的两用户件存在相同的历史下载内容。
10、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，步骤s3中所述链接分数的表达式为：
11、
12、其中，x为第一节点，y为第二节点，z为第三节点，score(x,y)为第一节点与第二节点间的链路分数，τ(x)为与第一节点的存在连接关系的节点集合，τ(y)为与第二节点的存在连接关系的节点集合，|τ(z)|为第三节点的节点度。
13、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，步骤s4中，基于所述第三节点及所述第四节点对所述链接分数进行加权计算中的加权权重的表达式为：
14、
15、其中，v为第四节点，weight(z)为对所述链接分数进行加权计算中的加权权重，count(x,z)为第一节点与第三节点相同的历史下载内容数量，count(y,z)为第二节点与第三节点相同的历史下载内容数量，count(x,v)为第一节点与第四节点相同的历史下载内容数量，count(y,v)为第二节点与第四节点相同的历史下载内容数量。
16、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，步骤s4中的所述加权链接分数的表达式为：
17、
18、其中，score(x,y)’为加权链接分数。
19、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，步骤s6还包括：
20、对所述任一节点的浏览内容按照内容热度进行排序，将排序后热度最高的浏览内容，为另一节点进行内容推荐。
21、根据本专利技术提供的一种基于链路预测算法的内容推荐方法，所述内容热度包括所述浏览内容的下载次数、点赞次数、收藏次数及评价次数。
22、本专利技术还提供一种基于链路预测算法的内容推荐系统，包括：
23、图网络模块：用于基于用户及用户历史下载内容构建图网络；
24、特殊节点组获取模块：用于遍历所述图网络模块构建的图网络，获得多个包括第一节点和第二节点的特殊节点组；
25、链接分数计算模块：用于通过链路预测算法计算第一节点和第二节点间的链接分数；
26、加权计算模块：用于选取与第一节点和第二节点均建立连接关系的第三节点，与第一节点及第二节点均相邻的第四节点，基于所述第三节点及所述第四节点对所述链接分数计算模块计算获得的链接分数进行加权计算，获得加权链接分数；
27、关联节点组判定模块：用于预设链接分数阈值，将加权链接分数大于所述链接分数阈值判定为关联节点组；
28、内容推荐模块：用于基于所述关联节点组中的任一节点的浏览内容为另一节点进行内容推荐。
29、本专利技术还提供一种基于链路预测算法的内容推荐设备，包括：
30、存储器和至少一个处理器，所述存储器中存储有指令；
31、所述至少一个处理器调用所述存储器中的所述指令，以使得基于链路预测算法的内容推荐设备执行如以上任一项所述的基于链路预测算法的内容推荐方法。
32、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现如以上任一项所述的基于链路预测算法的内容推荐方法。
33、本专利技术提出的一种基于链路预测算法的内容推荐方法及系统，增加了节点间的边的权重设计，引入了边的权重银子，改进了链路预测adamic-adar算法，深入挖掘现有图中节点间存在的潜在的、未来可能发生的关系，即兴趣相似性，使推荐算法的实际效果更加个性化。
34、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于链路预测算法的内容推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤S1中，所述图网络的节点表示用户，所述图网络的边表示连接的两用户件存在相同的历史下载内容。
3.根据权利要求1所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤S3中所述链接分数的表达式为：
4.根据权利要求3所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤S4中，基于所述第三节点及所述第四节点对所述链接分数进行加权计算中的加权权重的表达式为：
5.根据权利要求4所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤S4中的所述加权链接分数的表达式为：
6.根据权利要求1所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤S6还包括：
7.根据权利要求6所述的一种基于链路预测算法的内容推荐方法，其特征在于，所述内容热度包括所述浏览内容的下载次数、点赞次数、收藏次数及评价次数。
8.一种基于链路预测算法的内容推荐系统，其特征在于，包括：<...
【技术特征摘要】
1.一种基于链路预测算法的内容推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤s1中，所述图网络的节点表示用户，所述图网络的边表示连接的两用户件存在相同的历史下载内容。
3.根据权利要求1所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤s3中所述链接分数的表达式为：
4.根据权利要求3所述的一种基于链路预测算法的内容推荐方法，其特征在于，步骤s4中，基于所述第三节点及所述第四节点对所述链接分数进行加权计算中的加权权重的表达式为：
5.根据权利要求4所述的一种基于链路预测算法的内容推荐方法，其特征在于，...
【专利技术属性】
技术研发人员：张宇，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。