一种基于用户性格提高社交引荐效率的方法技术

本发明专利技术公开了一种基于用户性格提高社交引荐效率的方法，包括步骤：a.确定要推荐给目标用户的k个商品；b.对于每一个待推荐的商品m，分别计算目标用户各好友基于性格和商品喜好的综合引荐得分，选取得分最高的作为商品m相应的引荐人；c.通知各引荐人将相应的商品引荐给该目标用户。本发明专利技术是根据用户性格特征并结合自身对商品的喜好来选取合适的引荐人，从而提高引荐的效率，其中的优点包括：更能降低引荐传递过程中的损失，更能促进商品在社交网络中的流通，更能提高社交引荐的效率。?

【技术实现步骤摘要】
一种基于用户性格提高社交引荐效率的方法
本专利技术涉及对社交引荐方法进行改进以提高其效率的推荐系统研究领域，具体地说是通过在目标用户的好友中，寻找心理特征上（指性格）更愿意向别人推荐商品的人作为引荐人，来提高商品到达目标用户的可能性，从而提高社交引荐的效率。
技术介绍
在有关社会化推荐的研究中，研究者往往集中于如何利用用户的社会关系为推荐结果提供解释（如商品m出现在系统推荐列表中，会附加说明m是某些好友喜欢的），以增加用户的信任度。现阶段，有些研究人员开始研究系统直接推荐与利用好友推荐这两种方式间的差异。大量研究表明，与系统推荐的商品相比，用户更偏爱来自好友的推荐。也就是说，即使是同一个商品，来源渠道不同，分别是系统推荐和好友引荐的，用户对后者的好感显著高于前者。因此，一些系统额外增加了这种好友引荐的推荐方式，以获得更高的商品接受率。然而，目前这种好友引荐的方式效率还很低，主要原因在于忽略了好友自身（以下统称引荐人）的引荐意愿，即选取的引荐人并不是很愿意把相关商品传递给社交网络，导致引荐方式下的效率要远低于系统直接推荐的方式。另一方面，根据心理学研究领域有关性格会影响行为的理论，目前很多推荐系统中已将性格因素纳入其中，有效提高了推荐性能。因此或许可以采用类似的方式来缓解因引荐人不愿意推荐而导致的社交引荐效率低下这一问题。
技术实现思路
本专利技术的目的是针对现有技术中忽略了引荐人引荐意愿的技术缺陷而提供的一种基于用户性格提高社交引荐效率的方法，该方法通过在目标用户的所有好友中寻找性格上更愿意参与商品传递的引荐人，通知这些引荐人把相关商品推荐给目标用户，以更少的传递损失来提高社交引荐的效率。一种基于用户性格提高社交引荐效率的方法，该方法包括以下步骤：a、确定要推荐给目标用户的k个商品，具体包括：ⅰ）找到目标用户没有消费行为的商品集合A；ⅱ）对于商品集合A中的每个商品，用基于用户的协同过滤算法，预测出目标用户对该商品的喜好得分；ⅲ）将商品集合A中的所有商品按预测喜好得分从大到小排序，选取得分最高的k个商品，即为待推荐给目标用户的商品；b、对于每一个待推荐的商品m，分别计算目标用户各好友基于性格和商品喜好的综合引荐得分，选取得分最高的作为商品m相应的引荐人，具体包括：ⅰ）从基于“大五人格”模型（big-fivemodel）的用户性格数据库中，查找目标用户各好友在“宜人性”（相关英文文献中为agreeableness）这一性格维度的得分s_p；ⅱ）根据用户-商品评分数据库，获取每个好友对商品m的喜好评分s_r（实际的或预测的）；ⅲ）根据步骤ⅰ）和ⅱ），计算每个好友的综合引荐得分：综合引荐得分；ⅳ）将各好友按照综合引荐得分从大到小排序，排在第一个的作为商品m相应的引荐人；c、通知各引荐人将相应的商品引荐给目标用户，具体包括：ⅰ）发送消息给引荐人，消息内容包括要引荐的相关商品及对应的目标用户；ⅱ）由引荐人决定是否进行引荐。所述步骤b的ⅱ）具体包括：①、若用户-商品评分数据库中有该好友对商品m的评分记录，则该评分记录即为好友对商品m的喜好评分s_r，否则进行步骤②计算；②、用基于用户的协同过滤算法计算出该好友对商品m的预测评分作为s_r。与
技术介绍
相比，本专利技术有以下优点：本专利技术在进行社交引荐时，主要从引荐人的角度出发，综合考虑了引荐人的性格特征和对商品的喜好情况。之所以考虑性格特征，主要是基于之前所做的相关用户实验。实验发现“宜人性”性格维度（基于“大五人格”模型）得分越高的用户，越愿意向他人推荐商品。根据心理学领域已有的研究成果，“宜人性”维度得分越高，表示用户越喜欢与人合作，为人坦白，乐于助人；反之则代表越自私自利，喜欢怀疑他人。因此实验发现与已有的研究成果相吻合，可以考虑用性格特征来筛选出合适的引荐人，减少因引荐人不愿意引荐而造成的传递损失。本专利技术考虑了引荐人自身对待引荐商品的喜好情况。通常用户更愿意推荐自己觉得质量好的商品。因此考虑引荐人自身的喜好能进一步提高引荐意愿，从而提高社交引荐的效率。此外，推荐给目标用户的商品是用基于用户的协同过滤算法选取出来的，符合目标用户的喜好，推荐的是目标用户最可能感兴趣的商品，也利于目标用户接受，推荐更有效。对于没有好友的目标用户，将不采取社交引荐方法，可以采用直接推荐或权威专家推荐的方式。附图说明图1为本专利技术的流程示意图。图2为本专利技术实施例中的好友性格特征及商品喜好示意图。具体实施方式参阅图1，本专利技术适用于所有商品的社交引荐中。首先用相关算法确定要推荐给目标用户的k个商品，然后对于要推荐的每个商品，根据综合引荐得分，在目标用户的好友中选取最合适的引荐人，最后通知各引荐人将相应的商品推荐给目标用户，其具体步骤如下：（1）：找到目标用户没有消费行为的商品集合A，对于A中的每个商品，用基于用户的协同过滤算法，预测出目标用户对该商品的喜好得分，选出得分最高的k个，作为待推荐给目标用户的商品；（2）：从步骤（1）中的k个待推荐的商品中每次选取一个商品m；（3）：获取目标用户的所有好友集合F；（4）：判断好友数|F|是否大于0，若|F|>0，则转入步骤(5)，否则转入结束；（5）：i.根据用户-商品评分数据库，获取每个好友对商品m的喜好评分s_r（实际的或预测的），ii.从基于“大五人格”模型的用户性格数据库中，查找每个好友在性格维度“宜人性”的得分s_p；（6）：通过以下公式，计算每个好友对商品m的综合引荐得分：然后将所有好友按得分从高到低排序；（7）：选取综合引荐得分最高的好友作为商品m对应的引荐人；（8）：通知该引荐人将商品m推荐给目标用户；（9）：判断是否完成了对所有商品（已选出的k个）的引荐工作，“是”则转入结束，“否”则转入步骤（2）。实施例通过以下电影推荐的实施例来更好地理解本专利技术。假设现在要用社交引荐的方式（即通过好友）向某目标用户推荐电影，其具体步骤如下：（1）通过基于用户的协同过滤算法，在目标用户未看过的电影集中选出要推荐的k（此处为2）部电影分别为《泰囧》、《科学怪狗》；（2）选择其中一部电影（如《泰囧》）作为待引荐电影；（3）获取目标用户在该系统中的所有好友集合F={f1,f2,f3}；（4）由于好友数|F|>0，转入步骤（5）；（5）获取各好友在性格维度“宜人性”的得分s_p及对该电影的喜好评分s_r（实际的或预测的），见图2；（6）通过公式计算各好友对该电影的综合引荐得分：s（f1，《泰囧》）=1.597；s（f2，《泰囧》）=1.766；s（f3，《泰囧》）=1.771；各好友按得分从高到低排序为f3,f2,f1（7）综合引荐得分最高的好友f3即电影《泰囧》对应的引荐人；（8）发消息通知f3将电影《泰囧》推荐给该目标用户；（9）通过判断，还未完成对这k部电影的引荐工作，需转入步骤（2），用类似的方法向目标用户引荐电影《科学怪狗》。本文档来自技高网...

【技术保护点】
一种基于用户性格提高社交引荐效率的方法，其特征在于该方法包括以下步骤：a、确定要推荐给目标用户的k个商品，具体包括：ⅰ）找到目标用户没有消费行为的商品集合A；ⅱ）对于商品集合A中的每个商品，用基于用户的协同过滤算法，预测出目标用户对该商品的喜好得分；ⅲ）将商品集合A中的所有商品按预测喜好得分从大到小排序，选取得分最高的k个商品，即为待推荐给目标用户的商品；b、对于每一个待推荐的商品m，分别计算目标用户各好友基于性格和商品喜好的综合引荐得分，选取得分最高的作为商品m相应的引荐人，具体包括：ⅰ）从基于“大五人格”模型的用户性格数据库中，查找目标用户各好友在?“宜人性”这一性格维度的得分s_p；??ⅱ）根据用户?商品评分数据库，获取每个好友对商品m的喜好评分s_r；?ⅲ）根据步骤ⅰ）和ⅱ），计算每个好友的综合引荐得分：综合引荐得分????????????????????????????????????????????????；ⅳ）将各好友按照综合引荐得分从大到小排序，排在第一个的作为商品m相应的引荐人；c、通知各引荐人将相应的商品引荐给目标用户，具体包括：ⅰ）发送消息给引荐人，消息内容包括要引荐的相关商品及对应的目标用户；ⅱ）由引荐人决定是否进行引荐。2013102314494100001dest_path_image001.jpg...

【技术特征摘要】
1.一种基于用户性格提高社交引荐效率的方法，其特征在于该方法包括以下步骤：a、确定要推荐给目标用户的k个商品，具体包括：ⅰ）找到目标用户没有消费行为的商品集合A；ⅱ）对于商品集合A中的每个商品，用基于用户的协同过滤算法，预测出目标用户对该商品的喜好得分；ⅲ）将商品集合A中的所有商品按预测喜好得分从大到小排序，选取得分最高的k个商品，即为待推荐给目标用户的商品；b、对于每一个待推荐的商品m，分别计算目标用户各好友基于性格和商品喜好的综合引荐得分，选取得分最高的作为商品m相应的引荐人，具体包括：ⅰ）从基于“大五人格”模型的用户性格数据库中，查找目标用户各好友在“宜人性”这一性格维度的得分s...

【专利技术属性】
技术研发人员：贺樑，陈琴，徐晓枫，罗念，潘云，黄保荃，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：