一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，具有這樣的特征，包括以下步驟：步驟一，計算當前社交網(wǎng)絡(luò)所有用戶的度數(shù)；步驟二，根據(jù)預(yù)定條件找出所有目前還不是好友的一對用戶，選出的所有對用戶列入一個推薦候選表；以及步驟三，基于任意一個用戶的度數(shù)大小進行好友的推薦。
【專利說明】
一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及社交推薦系統(tǒng)，尤其涉及一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)。
【背景技術(shù)】
[0002]現(xiàn)存的推薦系統(tǒng)中，例如亞馬遜，淘寶等是使用根據(jù)用戶所購買的商品標簽向用戶推薦相似的商品，用戶則有一定可能性對這個商家進行回訪并以此來提高商家的銷售額以及訪問量。但這種推薦方式往往不夠精確，用戶體驗也并不是很好。
[0003]為了解決這個問題，近幾年有研究者也提出了使用社交網(wǎng)絡(luò)本身所具有的信息來進行商品或者好友推薦。用戶更能夠相信與自己興趣相近的人所做出的選擇。也就是所謂的活動相似與社交信任。有不少基于這個方面設(shè)計的社交推薦系統(tǒng)。使用帶有社交信息的推薦系統(tǒng)能夠使推薦變得更加精確用戶也更加容易接受。
[0004]“基于活動相似和社交信任的社交網(wǎng)好友推薦系統(tǒng)及方法”(申請?zhí)?CN201410462802.4)提出如下發(fā)明方案:利用用戶社交信任值和活動偏好相似性來實現(xiàn)基于位置社交網(wǎng)絡(luò)中好友推薦，由于活動可以體現(xiàn)用戶興趣偏好，因此通過用戶間活動相似性發(fā)現(xiàn)與其偏好相似的好友；由于社交信任能反映用戶間交互緊密程度，因此根據(jù)不同程度信任關(guān)系進行好友推薦具有更合理的可解釋性。采用了用戶社交信任值和活動偏好相似性。增加了好友推薦時的有效性并對不同程度信任關(guān)系進行好友推薦具有更合理的可解釋性。該方法對于傳統(tǒng)社交網(wǎng)絡(luò)適用，但是在類似Yelp與大眾點評等商品與好友推薦結(jié)合的社交推薦系統(tǒng)內(nèi)，如果只是使用這種方法并不能使社交網(wǎng)絡(luò)自身的擴散效率。

【發(fā)明內(nèi)容】

[0005]本發(fā)明是為了解決上述問題而進行的，目的在于提供一種減小社交網(wǎng)絡(luò)的擊中時，優(yōu)化整個社交網(wǎng)絡(luò)的傳播效率的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)。
[0006]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，具有這樣的特征，包括以下步驟:
[0007]步驟一，計算當前社交網(wǎng)絡(luò)所有用戶的度數(shù)；
[0008]步驟二，根據(jù)預(yù)定條件找出所有目前還不是好友的一對用戶，選出的所有對用戶列入一個推薦候選表;以及
[0009]步驟三，基于任意一個用戶的度數(shù)大小進行好友的推薦。
[0010]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征:其中，度數(shù)為好友的數(shù)量。
[0011]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征:其中，預(yù)定條件為一對用戶對同一個商家進行過評論并且評分相同。
[0012]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征:其中，度數(shù)大小為好友的多少。
[0013]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征，包括以下步驟:
[OOM]步驟零，設(shè)置一個最小度數(shù)參數(shù)α以及需要推薦的次數(shù)EdgeNum。
[0015]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征:其中，參數(shù)α是根據(jù)社交網(wǎng)絡(luò)的整體度數(shù)分布設(shè)置。
[0016]本發(fā)明提供的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，還具有這樣的特征:其中，次數(shù)EdgeNum是根據(jù)系統(tǒng)需求設(shè)置。
[0017]發(fā)明作用和效果
[0018]根據(jù)本發(fā)明所涉及一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，在進行好友推薦的同時考慮網(wǎng)絡(luò)整體的擊中時，從而保證用活動相似和社交信任進行好友推薦，還很大程度減小社交網(wǎng)絡(luò)的擊中時，優(yōu)化整個社交網(wǎng)絡(luò)的傳播效率;商家能夠快速推出新產(chǎn)品，用戶也能夠盡快接收到新商品的信息;首先把用戶相似性和活動偏好相似性定位到對同一個商家有著相同的評分上，并且找出所有的可推薦情況;在這個基礎(chǔ)之上，進行推薦時考慮用戶的好友數(shù)量，在推薦的人數(shù)有限的情況下優(yōu)先考慮好友人數(shù)較少的用戶；這能夠使整個社交網(wǎng)絡(luò)的度數(shù)分布更加平均，信息擴散的渠道更多，從而使得社交網(wǎng)絡(luò)的傳播效率增加。
【附圖說明】
[0019]圖1為本發(fā)明實施例中的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)的流程圖。
【具體實施方式】
[0020]以下參照附圖及實施例對本發(fā)明所涉及的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)作詳細的描述。
[0021 ]實施例
[0022]圖1為本發(fā)明實施例中的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)的流程圖。
[0023]如圖1所示，一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)具有以下步驟:
[0024]步驟零:設(shè)置一個最小度數(shù)參數(shù)α以及需要推薦的次數(shù)EdgeNum(網(wǎng)絡(luò)所需要增加的邊數(shù))，進入步驟一。參數(shù)α是根據(jù)社交網(wǎng)絡(luò)的整體度數(shù)分布設(shè)置，次數(shù)EdgeNum是根據(jù)系統(tǒng)需求設(shè)置。
[0025]步驟一:計算當前社交網(wǎng)絡(luò)所有用戶的度數(shù)(好友的數(shù)量)，進入步驟二。
[0026]步驟二:根據(jù)預(yù)定條件找出所有目前還不是好友的一對用戶，進入步驟三。預(yù)定條件為一對用戶對同一個商家進行過評論并且評分相同。
[0027]遍歷所有的商家并找出對這些商家進行過評論的用戶的ID以及他們的評分。把所有對于同一個商家k進行評論并且評分相同的兩個用戶vi與vj選出，并放入推薦候選表L〈vi，vj>中。當所有的商家都遍歷完畢之后，整個推薦系統(tǒng)的準備階段完成。
[0028]步驟三，基于任意一個用戶的度數(shù)大小(好友的多少)進行好友的推薦。
[0029]從推薦候選表L〈vi，vj>中隨機地選出一對用戶〈vi，vj>。并對用戶vi的度數(shù)進行判斷，如果滿足degree(viXa則把〈vi ,Vj>作為一條新的邊加入到這個社交網(wǎng)絡(luò)中，也就是進行了一次好友推薦。否則，不斷進行選擇直到找到符合條件的〈vi，vj>。當需要推薦的次數(shù)滿足一開始設(shè)定的次數(shù)EdgeNum或者在表L里面已經(jīng)不存在滿足條件degree(Vi)<a的邊的時候，該推薦結(jié)束。
[0030]本發(fā)明充分考慮評價一個社交推薦系統(tǒng)性能的兩個指標:用戶層面的差異值和整個社交網(wǎng)絡(luò)層面的擊中時(Hitting time)。因為在使用社交推薦系統(tǒng)給用戶推薦商品或者好友時，整個社交網(wǎng)絡(luò)的結(jié)構(gòu)會發(fā)生變化，所以會帶來擊中時的變化，這個變化也帶來整個社交網(wǎng)絡(luò)傳播擴撒效率的改變，因此，在使用社交推薦系統(tǒng)進行推薦的同時也必須注意網(wǎng)絡(luò)結(jié)構(gòu)的變化，并需要把網(wǎng)絡(luò)的擊中時納入考慮范圍。本發(fā)明解決的技術(shù)問題在于進行好友推薦的同時考慮網(wǎng)絡(luò)整體的擊中時，保證用活動相似和社交信任進行好友推薦，減小社交網(wǎng)絡(luò)的擊中時，優(yōu)化整個社交網(wǎng)絡(luò)的傳播效率。
[0031]實施例的作用與效果
[0032]根據(jù)本實施例所涉及一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，在進行好友推薦的同時考慮網(wǎng)絡(luò)整體的擊中時，從而保證用活動相似和社交信任進行好友推薦，還很大程度減小社交網(wǎng)絡(luò)的擊中時，優(yōu)化整個社交網(wǎng)絡(luò)的傳播效率;商家能夠快速推出新產(chǎn)品，用戶也能夠盡快接收到新商品的信息;首先把用戶相似性和活動偏好相似性定位到對同一個商家有著相同的評分上，并且找出所有的可推薦情況;在這個基礎(chǔ)之上，進行推薦時考慮用戶的好友數(shù)量，在推薦的人數(shù)有限的情況下優(yōu)先考慮好友人數(shù)較少的用戶；這能夠使整個社交網(wǎng)絡(luò)的度數(shù)分布更加平均，信息擴散的渠道更多，從而使得社交網(wǎng)絡(luò)的傳播效率增加。
[0033]上述實施方式為本發(fā)明的優(yōu)選案例，并不用來限制本發(fā)明的保護范圍。
【主權(quán)項】
1.一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于，包括以下步驟: 步驟一，計算當前社交網(wǎng)絡(luò)所有用戶的度數(shù)； 步驟二，根據(jù)預(yù)定條件找出所有目前還不是好友的一對所述用戶，把選出的所有對所述用戶列入一個推薦候選表;以及 步驟三，基于任意一個所述用戶的度數(shù)大小進行所述好友的推薦。2.根據(jù)權(quán)利要求1所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于: 其中，所述度數(shù)為所述好友的數(shù)量。3.根據(jù)權(quán)利要求1所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于: 其中，所述預(yù)定條件為一對所述用戶對同一個商家進行過評論并且評分相同。4.根據(jù)權(quán)利要求1所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于: 其中，所述度數(shù)大小為所述好友的多少。5.根據(jù)權(quán)利要求1所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于，還包括以下步驟: 步驟零，設(shè)置一個最小度數(shù)參數(shù)α以及需要推薦的次數(shù)EdgeNum。6.根據(jù)權(quán)利要求5所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于: 其中，所述參數(shù)α是根據(jù)社交網(wǎng)絡(luò)的整體所述度數(shù)分布設(shè)置。7.根據(jù)權(quán)利要求5所述的一種基于度數(shù)分布與用戶評分的社交推薦系統(tǒng)，其特征在于: 其中，所述次數(shù)EdgeNum是根據(jù)系統(tǒng)需求設(shè)置。
【文檔編號】G06Q50/00GK105894254SQ201610488068
【公開日】2016年8月24日
【申請日】2016年6月28日
【發(fā)明人】張錦程, 楊桂松, 何杏宇
【申請人】上海理工大學(xué)