一种社交关系推荐方法及系统技术方案

一种社交关系推荐方法及系统，所述方法包括：社交关系推荐系统获取用户的音乐行为数据，根据所述音乐行为数据统计用户对各音乐标签的喜好程度值，根据用户对各音乐标签的喜好程度值计算用户间的音乐相似度，并根据用户间的音乐相似度为准备接受推荐的当前用户进行用户推荐。此外，社交关系推荐系统还可以根据用户关系链数据和/或用户交互数据统计得到用户间的亲密度，并根据用户间的音乐相似度和亲密度进行用户推荐。采用本发明专利技术的社交关系推荐方法及系统，用户可以使用更为准确、有效的用户推荐信息进行音乐领域社交关系的探索，提升了互联网社交音乐服务中社交关系的建立效率，减少了用户建立社交关系的时间成本。

【技术实现步骤摘要】
一种社交关系推荐方法及系统
本专利技术涉及信息
，尤其涉及一种社交关系推荐方法及系统。
技术介绍
社交音乐服务是一种融合音乐和社交网络功能的互联网服务。社交音乐服务用户在使用这一类型的服务时，通常需要寻找与自己具有一定关系或者具有某种相同音乐爱好的其他用户，并与其构建社交关系，以便从其他用户处得到他们的音乐内容，或向其传播自己喜欢的音乐内容。现有的互联网社交音乐服务，通常采用用户搜索其它用户的姓名、性别和年龄等特征，或是提交自己喜欢的歌手、歌曲、歌曲类型等数据，然后从用户提交的数据中选取与其拥有相似数据的其他用户的方式来进行社交关系的探索与推荐。采用现有技术的上述方式进行社交关系的探索与推荐时，由于大多数普通音乐用户往往无法准确地描述并提交自己希望构建社交关系的其他用户的姓名及音乐爱好等信息，导致用户从社交音乐服务系统所选取并推荐的用户群中选择自己希望建立音乐社交关系的用户时需要付出很高的选择成本，用户很难从社交音乐服务系统所推荐的用户群中发现或者探索到其希望建立社交关系的其他用户，浪费了互联网社交音乐服务用户的大量时间成本以及其它相关资源。
技术实现思路
本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种可以为用户提供更为准确、有效的用户信息，以便使用户可以高效和准确地建立音乐社交关系的社交关系推荐方法及系统。为了解决上述问题，本专利技术提供一种社交关系推荐方法，该方法包括：A：社交关系推荐系统获取用户的音乐行为数据；所述音乐行为数据中包含：执行音乐行为的用户所对应的用户信息，所执行的音乐行为所对应的音乐数据；所述音乐数据中包含：音乐标识符，音乐标签；B：社交关系推荐系统根据所述音乐行为数据统计用户对各音乐标签的喜好程度值；C：社交关系推荐系统根据用户对各音乐标签的喜好程度值计算用户间的音乐相似度；D：社交关系推荐系统根据用户间的音乐相似度为准备接受推荐的当前用户进行用户推荐。此外，所述步骤D分为如下子步骤：D1：社交关系推荐系统根据用户间的音乐相似度，或根据用户间的音乐相似度和用户间的亲密度计算用户间的用户推荐度；D2：社交关系推荐系统根据计算得到的用户推荐度为所述当前用户进行用户推荐；其中，所述用户间的亲密度根据用户间的关系度，和/或用户间的交互度获得；所述用户间的关系度根据社交关系推荐系统获取的用户关系链数据统计得到；所述用户间的交互度根据社交关系推荐系统获取的用户交互数据统计得到。此外，所述步骤D1中，将任意用户i和用户j间的音乐相似度记作Sij，将用户j相对于用户i的亲密度记作Iij(dt)，采用如下公式之一计算用户j相对于用户i的用户推荐度Aij(dt)：Aij(dt)＝α8·Sij+α9·Iij(dt)；或Aij(dt)＝Sij×Iij(dt)；或Aij(dt)＝α8·Sij+α9·Iij(dt)+Genderij；或Aij(dt)＝Sij×Iij(dt)×Genderij；或Aij(dt)＝α8·Sij+α9·Iij(dt)+Ageij；或Aij(dt)＝Sij×Iij(dt)×Ageij；其中，α8>0，α9≥0；或Agei表示用户i的年龄，Agej表示用户j的年龄。此外，将任意用户j相对于用户i的关系度记作Rij，在时间dt内用户j与用户i间的交互度记作Cij(dt)，采用如下公式之一计算用户j相对于用户i的亲密度Iij(dt)：Iij(dt)＝α6·Rij+α7·Cij(dt)；或Iij(dt)＝RijCij(dt)；或或或其中，所述α6，α7大于或等于0，且α6，α7不全为0。此外，可使用如下公式统计所述关系度Rij：其中，a和b大于0。此外，将时间dt内用户i向用户j发起的交流的总数记作UniCij(dt)，将时间dt内用户j向用户i发起的交流的总数记作UniCji(dt)，则使用如下公式之一统计所述交互度Cij(dt)：Cij(dt)＝UniCij(dt)+UniCji(dt)；或Cij(dt)＝min(UniCij(dt),UniCji(dt))。此外，所述音乐行为数据中还包含音乐行为所对应的行为类型；所述行为类型包含以下行为中的一种或多种：收听、收藏、分享、评论和评分；步骤B中，社交关系推荐系统采用如下子步骤统计用户对各音乐标签的喜好程度值：B1：根据所述音乐行为数据对任一用户i及任一音乐标签t分别统计：用户i对音乐标签t的收听喜好程度值F_Listenit，用户i对音乐标签t的收藏喜好程度值F_Collectit，用户i对音乐标签t的分享喜好程度值F_Shareit，用户i对音乐标签t的评论喜好程度值F_Commentit，用户i对音乐标签t的评分喜好程度值F_Scoreit中的一个或多个；B2：采用如下公式之一计算用户i对音乐标签t的喜好程度值lit：其中，α1，α2，α3，α4，α5大于或等于0，且α1，α2，α3，α4，α5不全为0；或其中，α1，α2，α3，α4，α5大于或等于0，且α1，α2，α3，α4，α5不全为0；或lit＝(F_Listenit×F_Collectit×F_Shareit×F_Commentit×F_Scoreit)1/5。此外，步骤B1中，分别采用如下公式统计所述F_Listenit，F_Collectit，F_Shareit，F_Commentit，F_Scoreit：将用户i收听过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的收听喜好程度值F_Listenit为：将用户i收藏过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的收藏喜好程度值F_Collectit为：将用户i分本文档来自技高网...

【技术保护点】
一种社交关系推荐方法，其特征在于，该方法包括：?A：社交关系推荐系统获取用户的音乐行为数据；所述音乐行为数据中包含：执行音乐行为的用户所对应的用户信息，所执行的音乐行为所对应的音乐数据；所述音乐数据中包含：音乐标识符，音乐标签；?B：社交关系推荐系统根据所述音乐行为数据统计用户对各音乐标签的喜好程度值；?C：社交关系推荐系统根据用户对各音乐标签的喜好程度值计算用户间的音乐相似度；?D：社交关系推荐系统根据用户间的音乐相似度为准备接受推荐的当前用户进行用户推荐。

【技术特征摘要】
1.一种社交关系推荐方法，其特征在于，该方法包括：A：社交关系推荐系统获取用户的音乐行为数据；所述音乐行为数据中包含：执行音乐行为的用户所对应的用户信息，所执行的音乐行为所对应的音乐数据；所述音乐数据中包含：音乐标识符，音乐标签；B：社交关系推荐系统根据所述音乐行为数据统计用户对各音乐标签的喜好程度值；C：社交关系推荐系统根据用户对各音乐标签的喜好程度值计算用户间的音乐相似度；D：社交关系推荐系统根据用户间的音乐相似度为准备接受推荐的当前用户进行用户推荐；所述音乐行为数据中还包含音乐行为所对应的行为类型；所述行为类型包含以下行为中的一种或多种：收听、收藏、分享、评论和评分；步骤B中，社交关系推荐系统采用如下子步骤统计用户对各音乐标签的喜好程度值：B1：根据所述音乐行为数据对任一用户i及任一音乐标签t分别统计：用户i对音乐标签t的收听喜好程度值F_Listenit，用户i对音乐标签t的收藏喜好程度值F_Collectit，用户i对音乐标签t的分享喜好程度值F_Shareit，用户i对音乐标签t的评论喜好程度值F_Commentit，用户i对音乐标签t的评分喜好程度值F_Scoreit中的一个或多个；B2：采用如下公式之一计算用户i对音乐标签t的喜好程度值lit：其中，α1，α2，α3，α4，α5大于或等于0，且α1，α2，α3，α4，α5不全为0；或其中，α1，α2，α3，α4，α5大于或等于0，且α1，α2，α3，α4，α5不全为0；或lit＝(F_Listenit×F_Collectit×F_Shareit×F_Commentit×F_Scoreit)1/5。2.如权利要求1所述的方法，其特征在于，所述步骤D分为如下子步骤：D1：社交关系推荐系统根据用户间的音乐相似度，或根据用户间的音乐相似度和用户间的亲密度计算用户间的用户推荐度；D2：社交关系推荐系统根据计算得到的用户推荐度为所述当前用户进行用户推荐；其中，所述用户间的亲密度根据用户间的关系度，和/或用户间的交互度获得；所述用户间的关系度根据社交关系推荐系统获取的用户关系链数据统计得到；所述用户间的交互度根据社交关系推荐系统获取的用户交互数据统计得到。3.如权利要求2所述的方法，其特征在于，所述步骤D1中，将任意用户i和用户j间的音乐相似度记作Sij，将用户j相对于用户i的亲密度记作Iij(dt)，采用如下公式之一计算用户j相对于用户i的用户推荐度Aij(dt)：Aij(dt)＝α8·Sij+α9·Iij(dt)；或Aij(dt)＝Sij×Iij(dt)；或Aij(dt)＝α8·Sij+α9·Iij(dt)+Genderij；或Aij(dt)＝Sij×Iij(dt)×Genderij；或Aij(dt)＝α8·Sij+α9·Iij(dt)+Ageij；或Aij(dt)＝Sij×Iij(dt)×Ageij；其中，α8>0，α9≥0；或Agei表示用户i的年龄，Agej表示用户j的年龄；dt表示计算亲密度所对应的时间；Ui表示用户i；Uj表示用户j。4.如权利要求2所述的方法，其特征在于，将任意用户j相对于用户i的关系度记作Rij，在时间dt内用户j与用户i间的交互度记作Cij(dt)，采用如下公式之一计算用户j相对于用户i的亲密度Iij(dt)：Iij(dt)＝α6·Rij+α7·Cij(dt)；或Iij(dt)＝RijCij(dt)；或或或其中，所述α6，α7大于或等于0，且α6，α7不全为0。5.如权利要求4所述的方法，其特征在于，使用如下公式统计所述关系度Rij：其中，a和b大于0；Ui表示用户i；Uj表示用户j。6.如权利要求4所述的方法，其特征在于，将时间dt内用户i向用户j发起的交流的总数记作UniCij(dt)，将时间dt内用户j向用户i发起的交流的总数记作UniCji(dt)，则使用如下公式之一统计所述交互度Cij(dt)：Cij(dt)＝UniCij(dt)+UniCji(dt)；或Cij(dt)＝min(UniCij(dt),UniCji(dt))。7.如权利要求1所述的方法，其特征在于，步骤B1中，分别采用如下公式统计所述F_Listenit，F_Collectit，F_Shareit，F_Commentit，F_Scoreit：将用户i收听过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的收听喜好程度值F_Listenit为：将用户i收藏过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的收藏喜好程度值F_Collectit为：将用户i分享过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的分享喜好程度值F_Shareit为：将用户i评论过的音乐集合记作Ai＝{A1,A2,…,An}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的评论喜好程度值F_Commentit为：将用户i评分过的音乐集合记作Ai＝{A1,A2,…,Ak}，将音乐Am的音乐标签集合记作Tm，其中，m＝1,2,…k；则用户i对音乐标签t的评分喜好程度值F_Scoreit为：8.如权利要求1所述的方法，其特征在于，步骤C中，采用如下公式之一计算用户i和用户j间的音乐相似度Sij：或或或其中：其中，上述n为音乐标签的总数。9.如权利要求1所述的方法，其特征在于，步骤C中，令Li＝{Li1,Li2,...Lin}，其中，则采用如下公式之一计算用户i和用户j间的音乐相似度Sij：或或或其中，其中，上述n为音乐标签的总数。10.如权利要求2所述的方法，其特征在于，所述步骤D2中，社交关系推荐系统采用如下方式为所述当前用户进行用户推荐：将所述当前用户记作用户a，将用户j相对于用户a的用户推荐度记作Aaj(dt)，其中，用户j为其他用户，j＝1,2,…,N，N为用户总数；则社交关系推荐系统将Aaj(dt)值最高的一位或多位用户推荐给用户a，和/或社交关系推荐系统将Aaj(dt)值最低的一位或多位用户推荐给用户a；dt表示计算用户推荐度所对应的时间。11.如权利要求2或10所述的方法，其特征在于，所述步骤D2中，社交关系推荐系统采用如下方式为所述当前用户进行用户推荐：将所述当前用户记作用户a，用户a选定的目标用户记作用户b，将用户j相对于用户b的用户推荐度记作Abj(dt)，其中，用户j为其他用户，j＝1,2,…,N，N为用户总数；则社交关系推荐系统将Abj(dt)值最高的一位或多位用户推荐给用户a，和/或社交关系推荐系统将Abj(dt)值最低的一位或多位用户推荐给用户a；dt表示计算用户推荐度所对应的时间。12.一种社交关系推荐系统，其特征在于，该系统包含：相似度计算模块，用户推荐模块；其中：所述相似度计算模块用于获取用户的音乐行为数据，根据所述音乐行为数据统计用户对各音乐标签的喜好程度值，根据用户对各音乐标签的喜好程度值计算用户间的音乐相似度，并将计算得到的...

【专利技术属性】
技术研发人员：袁雨来，
申请(专利权)人：北京华悦博智科技有限责任公司，
类型：发明
国别省市：