【技术实现步骤摘要】
本专利技术属于信息推荐和数据挖掘领域，具体涉及一种基于多通道去噪的社交网络活动推荐系统及方法。
技术介绍
1、一般来说，在社交推荐系统中，如果用户与物品的互动很少，系统会根据该用户朋友的互动来推断该用户的偏好，并产生更好的推荐，但是大部分情况下，用户之间的互动很少甚至存在用户中没有明显的互动关系的情况，同时用户参与活动的意愿不高涨，从而用户关系数据和用户活动互动数据缺失，导致社交推荐系统中依旧存在数据稀疏问题，因此在社交推荐系统中通常需要进行数据增强并补充相关的数据信息。
2、然而，另一个在社交推荐系统中很少被探索的重要问题是在社交推荐环境中存在冗余甚至嘈杂的社交关系。而不适宜的社交关系对于社交推荐来说可能是多余的，甚至是有害的。如果用这样的关系数据来描述整个社交网络的社交影响，不仅对数据计算带来负担，更重要的是对推荐准确性产生负面影响，因此导致推荐质量不高，但现有的技术中一般都不会考虑该问题。
3、中国专利“cn117235376a基于transformer编码器和深度学习的社交推荐系统”提供了一种基于transformer编码器和深度学习的社会化推荐技术，实现利用用户的社交信息数据准确的完成商品推荐的功能；其中，用户社交信息的序列特征采用transformer编码器提取实现,商品推荐采用深度学习多层感知机技术实现，但采用transformer编码器技术会导致局部信息的获取能力不强且顶层梯度容易消失；
4、中国专利“cn116842277a一种基于跨主题对比学习的社交推荐方法”提供了一种基于
5、但是仅仅采用对比学习的方法无法保证数据表征的完整性和数据有效性，没有处理数据的冗余性和无效性。
技术实现思路
1、针对社交推荐系统中存在数据稀疏和社交关系冗余嘈杂的问题，本专利技术提出一种基于多通道去噪的社交网络活动推荐系统及方法；不仅能减少对大量的高维数据建模的成本，生成较为完整的用户表示，获取更为完整的数据信息，还能提高数据质量，减少社交关系冗余问题，充分提取高维数据的丰富信息，进行鲁棒去噪，能够提高实用性，明确目标对象，提高服务的关联性和准确性，从而实现提高社交网络平台系统推荐价值的目的。
2、一种基于多通道去噪的社交网络活动推荐系统，设置于计算机中，包括：社交活动数据处理模块、用户活动构建模块、用户信任关系构建模块、用户活动去噪模块、用户信任关系去噪模块、用户活动计算模块、用户信任值计算模块和用户推荐模块；
3、所述社交活动数据处理模块，获取社交活动数据，包括目标用户-其他用户和目标用户-活动数据，对目标用户-其他用户和目标用户-活动数据所对应的词条进行处理，构建矩阵；
4、所述用户活动构建模块提取经社交活动数据处理模块的目标用户-活动数据，并通过多通道构建方法得到目标用户-活动数据集合；
5、所述用户信任关系构建模块提取经社交活动数据处理模块的目标用户-其他用户的交互关系，包括点击关系，关注关系，浏览关系和分享关系，最终以多通道构建方法得到目标用户-其他用户数据集合；
6、所述用户活动去噪模块删去目标用户-活动数据集中冗余数据和与整体数据集偏差过大的数据即噪声；
7、所述用户信任关系去噪模块删去目标用户-其他用户数据集合中冗余数据和与整体数据集偏差过大的数据即噪声；
8、所述用户活动计算模块利用去噪后的目标用户-活动数据计算用户和活动的交互关系，确定目标用户与用户参与的活动的总体交互值；
9、所述用户信任值计算模块利用去噪后的目标用户-其他用户数据计算目标用户与其他用户之间的交互关系，确定目标用户与其他用户的总体信任值；
10、所述用户推荐模块对目标用户和用户未参与的新活动进行评分，将计算结果得分从大到小进行排序，提取前几名活动对目标用户进行推荐；
11、一种基于多通道去噪的社交网络活动推荐方法，基于上述一种基于多通道去噪的社交网络活动推荐系统实现，具体包括以下步骤：
12、步骤1、采用社交活动数据处理模块获取目标用户-其他用户和目标用户-活动数据，对其对应的词条构建目标用户-其他用户和目标用户-活动数据矩阵；
13、步骤2、采用用户活动构建模块和用户信任关系构建模块提取目标用户-活动数据和目标用户-其他用户数据，并通过多通道构建方法得到用户-活动数据集合和目标用户-其他用户数据集合；
14、步骤2-1、基于e-motif构建各通道的数据关系，即构建目标用户-其他用户关系、目标用户-活动关系、目标用户-其他用户潜在关系；以上关系中均用三角关系来进行建模；
15、其中目标用户-其他用户关系中以三个用户之间关系进行构建，每个用户之间存在不同的单向或双向关系，因此构建不同的三角关系，以m1-m7为同一种通道的不同三角关系进行表示；
16、目标用户-活动关系中以两个用户和一种活动之间关系进行构建，用户和活动之间存在不同的单向或双向关系，因此构建不同的三角关系，以m8-m9为同一种通道的不同三角关系进行表示；
17、目标用户-其他用户潜在关系中以两个用户及一种活动之间关系进行构建，与目标用户-活动关系不同的是，用户之间不存在明显关系，同样构建三角关系，以m10为一种通道进行计算；
18、m1-m10三角关系如下：
19、m1:用户a浏览用户b，用户b浏览用户c，用户c浏览用户a；
20、m2:用户a浏览用户b，用户b浏览用户c，用户c浏览用户b，用户c浏览用户a；
21、m3:用户a浏览用户b，用户b浏览用户c，用户c浏览用户b，用户c浏览用户a,用户a浏览用户c；
22、m4:用户a浏览用户b,用户b浏览用户a，用户b浏览用户c，用户c浏览用户b，用户c浏览用户a,用户a浏览用户c；
23、m5:用户a浏览用户b，用户b浏览用户c，用户a浏览用户c；
24、m6:用户b浏览用户a，用户b浏览用户c，用户c浏览用户a，用户a浏览用户c；
25、m7:用户a浏览用户b，用户c浏览用户b，用户c浏览用户a，用户a浏览用户c；
26、m8:用户a浏览用户c，用户a参与活动b，用户c浏览用户a，用户c参与活动b；
27、m9:用户a浏览用户c，用户a参与活动b，用户c参与活动b；
28、m10:用户a参与活动b，用户c参与活动b；
29、本文档来自技高网...
【技术保护点】
1.一种基于多通道去噪的社交网络活动推荐系统，其特征在于，设置于计算机中，包括：社交活动数据处理模块、用户活动构建模块、用户信任关系构建模块、用户活动去噪模块、用户信任关系去噪模块、用户活动计算模块、用户信任值计算模块和用户推荐模块。
2.根据权利要求1所述的一种基于多通道去噪的社交网络活动推荐系统，其特征在于，所述社交活动数据处理模块，获取社交活动数据，包括目标用户-其他用户和目标用户-活动数据，对目标用户-其他用户和目标用户-活动数据所对应的词条进行处理，构建矩阵；
3.一种基于多通道去噪的社交网络活动推荐方法，基于上述权利要求1一种基于多通道去噪的社交网络活动推荐系统实现，其特征在于，具体包括以下步骤：
4.根据权利要求3所述的一种基于多通道去噪的社交网络活动推荐方法，其特征在于，步骤2具体为：
5.根据权利要求4所述的一种基于多通道去噪的社交网络活动推荐方法，其特征在于，所述M1-M10三角关系如下：
6.根据权利要求3所述的一种基于多通道去噪的社交网络活动推荐方法，其特征在于，步骤3具体为：
7.根
8.根据权利要求3所述的一种基于多通道去噪的社交网络活动推荐方法，其特征在于，步骤5具体为：
9.根据权利要求3所述的一种基于多通道去噪的社交网络活动推荐方法，其特征在于，步骤6具体为：
...【技术特征摘要】
1.一种基于多通道去噪的社交网络活动推荐系统，其特征在于，设置于计算机中，包括：社交活动数据处理模块、用户活动构建模块、用户信任关系构建模块、用户活动去噪模块、用户信任关系去噪模块、用户活动计算模块、用户信任值计算模块和用户推荐模块。
2.根据权利要求1所述的一种基于多通道去噪的社交网络活动推荐系统，其特征在于，所述社交活动数据处理模块，获取社交活动数据，包括目标用户-其他用户和目标用户-活动数据，对目标用户-其他用户和目标用户-活动数据所对应的词条进行处理，构建矩阵；
3.一种基于多通道去噪的社交网络活动推荐方法，基于上述权利要求1一种基于多通道去噪的社交网络活动推荐系统实现，其特征在于，具体包括以下步骤：
【专利技术属性】
技术研发人员：于亚新，曾驰丞，杨帆，王佳成，白彬沂，姚嘉硕，范召鹏，杨添，
申请(专利权)人：东北大学，
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。