【技术实现步骤摘要】
好友及应用个性化推荐方法及系统
本专利技术涉及网络通信
,具体地说,是社交网络中的一种基于Hadoop的好友和应用推荐方法及系统。
技术介绍
诸如人人网、脸书、朋友网等社交网络已成为当下不可缺少的社交方式。活跃用户数量对于社交网站来说非常重要,而帮助用户建立和扩大稳定的关系网络是维持和增加活跃用户数量的最有效方法。这就需要为用户推荐潜在好友和能与好友产生互动的应用。而现有的好友及应用推荐方法大多比较单一。目前的好友推荐方法可分为几类:1、根据非好友用户间共同好友数量。2、根据个人资料相似度(毕业学校、工作地点、共同兴趣等)。3、要求用户自己设定好友分组,并设定好友分组等级。这样些推荐方法存在以下弊端:1)应用场景有限。如基于非好友用户间共同好友数量的推荐方法,若一个新注册用户未添加任何好友,此推荐方法将不会有任何推荐结果。2)未考虑用户间的互动信息。互动是社交网络的基本属性,不考虑用户间的互动,就无法得到准确合理的推荐结果。3)容易造成用户信息泄露。如基于个人资料相似度的好友推荐方法,用户根据推荐的排名,很容易可推测出排名靠前的用户的个人信息,造成用户信息泄露。对于应用推荐,目前的推荐方法主要基于用户历史行为进行推荐,如根据用户已添加的应用的标签,推荐相似应用。这种根据用户历史行为的应用推荐方法存在如下弊端:1)在用户未添加任何应用时,此方法失去作用,不会有任何推荐结果。2)会产生较多的与用户已添加应用功能重复的推荐结果。3)未考虑好友的应用使用情况,无法得到准确合理的推荐结果。经检索,发现如下相关专利文献。相关检索结果1:申请(专利)号:20121 ...
【技术保护点】
一种好友及应用个性化推荐方法,其特征在于,包括如下步骤:步骤A:计算推荐得分S;步骤B:根据推荐得分显示推荐内容;步骤C:根据用户对推荐内容的反馈信息调整推荐权值向量;步骤D:根据调整后的用户推荐权值向量更新推荐内容。
【技术特征摘要】
1.一种好友及应用个性化推荐方法,其特征在于,包括如下步骤:步骤a:计算推荐得分S;步骤b:根据推荐得分显示推荐内容;步骤c:根据用户对推荐内容的反馈信息调整推荐权值向量;步骤d:根据调整后的推荐权值向量更新推荐内容;所述步骤a包括如下步骤:步骤a1:计算潜在好友推荐总分;步骤a1包括如下步骤:步骤a1.1:为每个用户维护一个潜在好友组,并将有如下一个或多个特征的非好友用户加入到该用户的潜在好友组中:特征1)、与该用户毕业学校相同或工作公司名称相同;特征2)、与该用户有共同好友;特征3)、与该用户有过互动;步骤a1.2:为每个用户维护一张评分表,该评分表中每一行包含对一个在其潜在好友组中的非好友用户的评分信息,所述评分信息包括校友相关度评分、同事相关度评分、共同好友评分、潜在好友互动评分;步骤a1.3:对用户潜在好友组中的所有非好友用户进行步骤a1.4到步骤a1.8中的计算;步骤a1.4:计算校友相关度评分:对于某个用户A,若其潜在好友组中的某个非好友用户B的评分表中包含用户A的校友相关度评分T1,则直接将校友相关度评分T1设为用户A对用户B的校友相关度评分;若没有,则执行以下操作:步骤a1.4.1:初始化评分值为0,设置校友关系基础分、同学关系基础分、年级差基础分;步骤a1.4.2:若用户A、用户B是校友,每构成一次校友关系则评分值加上一个校友关系基础分;步骤a1.4.3:对于大学校友,若用户A、用户B同一个学院,则评分值加上同学关系基础分;步骤a1.4.4:对于非大学校友,若用户A、用户B同年同班,每成立一次,则评分值加上一个同学关系基础分;步骤a1.4.5:根据如下公式得到最终评分值:最终评分值=当前评分值-∑|用户A、用户B在同一学校的入学年份差|*年级差基础分;若最终评分值小于0,则将最终评分值设为0;步骤a1.5:计算同事相关度评分:设置同事关系基础分;对于用户A,若其潜在好友中的某个非好友用户B的评分表中包含用户A的同事相关度评分T2,则直接将同事相关度评分T2设为用户A对用户B的同事相关度评分;若没有,则进行判断:若用户A、用户B就职于同一家公司且在同一城市,则同事相关度评分设为同事关系基础分,否则设为0;步骤a1.6:计算好友紧密度评分:为用户A维护一张好友互动数表,好友互动数表中包含用户A最近一段时间与其每个好友的互动数;对于用户A,若其好友列表中的某用户C的好友互动表中包含与用户A的互动数T3,则直接将互动数T3设为用户A的好友互动数表中与用户C的互动数,若没有,则统计互动数;其中,根据如下公式得到好友紧密度评分:用户C对于用户A的好友紧密度评分=用户C与用户A的互动数/用户A与好友互动总数;步骤a1.7:计算共同好友评分:对于用户A潜在好友组中的某个非好友用户B,按下式计算其与用户A的共同好友评分:共同好友评分(B|A)=∑用户B与用户A共同好友对于用户A的好友紧密度评分步骤a1.8:计算潜在好友互动评分:设置互动基础分和一段时间间隔;对于用户A,若其潜在好友中的某个非好友用户B的评分表中包含用户A的潜在好友互动评分T4,则直接将潜在好友互动评分T4设为用户A对用户B的潜在好友互动评分;若没有,则统计用户A、用户B在设置的一段时间间隔内的互动数;其中,根据如下公式计算潜在好友互动评分:潜在好友互动评分=潜在好友互动数*互动基础分;步骤a1.9:计算潜在好友推荐总分:为每个用户维护一个用户推荐四维权值向量,该用户推荐四维权值向量的每个维度初始值都为1,具体为:将用户A潜在好友组中的某个非好友用户B的校友相关度评分、同事相关度评分、共同好友评分和潜在好友互动评分组成一个四维向量作为用户B的用户推荐四维权值向量,并将该用户B的用户推荐四维权值向量与用户A的用户推荐权值向量做点积运算,运算结果作为该用户B对于用户A的潜在好友推荐总分,将潜在好友推荐总分作为步骤a中的所述推荐得分S。2.根据权利要求1所述的好友及应用个性化推荐方法,其特征在于,所述步骤a包括如下步骤:步骤a2:计算应用推荐总分;其中,步骤a2包括以下步骤:步骤a2.1:为每个用户维护一个未添加应用组,将用户的未添加应用添加到未添加应用组中;步骤a2.2:为每个用户维护一张应用推荐评分表,每一行包含一个未添加应用组中的未添加应用的评分信息,所述评分信息,包含应用相对热度评分和应用好友相关评分;并对未添加应用组中的所有未添加应用进行步骤a2.3到步骤a2.4中的计算;步骤a2.3:计算应用相对热度评分:对于某个用户A,服务器端统计每个应用使用人数,然后根据使用人数计算每个用户未添加应用组中的每个应用的相对热度,添加到应用推荐评分表中;对于用户A的未添加应用组中的某个应用BY,其相对热度按下式计...
【专利技术属性】
技术研发人员:黄洁琛,谢朝阳,童晓渝,丁星,武静,
申请(专利权)人:中电科华云信息技术有限公司,
类型:发明
国别省市:上海;31
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。