CN104298702A - 基于社交网络信息进行电子阅读读物推荐的方法及*** - Google Patents
基于社交网络信息进行电子阅读读物推荐的方法及*** Download PDFInfo
- Publication number
- CN104298702A CN104298702A CN201410345719.9A CN201410345719A CN104298702A CN 104298702 A CN104298702 A CN 104298702A CN 201410345719 A CN201410345719 A CN 201410345719A CN 104298702 A CN104298702 A CN 104298702A
- Authority
- CN
- China
- Prior art keywords
- user
- reading
- reading matter
- information
- matter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于社交网络信息进行电子阅读读物推荐的方法及***,提取社交网络中关于各个电子阅读读物的各个用户评价信息;建立各个用户与各个读物之间的操作关系;根据操作关系抽象出用户的行为事务数据集;根据用户的行为事务集通过二部图最大匹配算法进行数据挖掘出有用信息;进而进行读物的推荐。当下社交网络急剧发展的当下,本发明更加贴近社会热点和用户个体;利用社交网络,更加准确的推荐读物。
Description
技术领域
本发明涉及电子阅读读物推荐方法领域,具体是一种基于社交网络信息进行电子阅读读物推荐的方法及***。
背景技术
随着移动互联网相关的各种智能数字终端的普及、新媒体内容制作和分发技术的快速发展,以及电子商务和移动支付的普及,大众消费者及家庭在数字内容方面的消费会有显著增长。企业销售数据的日益丰富,其中隐藏的信息对提高销售的期望日益强烈。用户访问行为模式在网站的设计和管理中是很有用的,主要包括:提供各种统计报表,完成日常维护工作;改进Web站点内容和结构上的设计,来改善网站性能;导航用户浏览行为;优化缓存配置和预取机制的相关参数,分析趋势,了解Web正在发生的变化;均衡服务器负载;定制自适应Web站点:支持商业智能和市场决策。
发明内容 本发明的目的是提供一种基于社交网络信息进行电子阅读读物推荐的方法及***,为推荐***提供更广维度的数据信息,提高准确度。
为了达到上述目的,本发明所采用的技术方案为:
基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:首先提取社交网络中关于各个电子阅读读物的各个用户评价信息;然后建立各个用户与各个读物之间的操作关系;接着根据操作关系抽象出用户的操作数据集;最后根据用户的行为操作数据集进行数据挖掘出有用信息,通过用户-读物二部图最大匹配算法,通过转化为用户-用户超图和读物-读物超图,进行读物的推荐。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:提取社交网络中关于各个电子阅读读物的各个用户评价信息的具体过程为:收集并分类整理用户通过社交网络发布的推荐、评价、发帖、跟帖信息。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:建立各个用户与各个读物之间的操作关系采用通过对各个操作信息进行语义分析以抽象出操作关系来实现。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述操作关系为各个用户对各个读物发布的信息的量化值,信息量化为:-2代表很不喜欢、-1代表不喜欢、0代表普通、1代表喜欢、2代表很喜欢。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述用户的行为操作数据集是各个用户所感兴趣的读物的集合。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述二部图采用最大匹配算法实现。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述的操作数据集是各个电子阅读读物之间的关联关系结合,即电子阅读读物之间的关联度。
所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:进行读物推荐的方法为:读物的非内容信息分析,根据该非内容信息分析与所述读物的相似性来进行读物的推荐,所述非内容信息分析包括:根据读物进行静态关系分析、主体驱动模型数据分析、读物内容间隐含关系分析各个用户对各个读物发布的评价分析、读物间动态相关性分析、用户行为模型分析和非内容直接相关性分析;
各个用户对各个电子阅读读物发布的评价分析是根据所述操作关系,以各个用户对各个读物发布的评价信息的量化值计算出各个电子阅读读物的用户期望值。
一种基于社交网络信息进行电子阅读读物推荐的***,其特征在于:逻包括信息挖掘模块、分析计算模块、推荐模块,其中
信息挖掘模块用于查找并提取出社交网络中关于各个读物的各个用户评价信息;
分析计算模块根据查找信息模块提取出的用户评价信息进行分析,以建立各个用户与各个读物之间的评价关系,并根据评价关系计算出用户的操作数据集,再根据用户操作数据集通过最大匹配算法挖掘出相似性;
推荐模块根据分析计算模块计算出的读物向用户推送。
所述的一种基于社交网络信息进行电子阅读读物推荐的***,其特征在于:所述分析计算模块包括静态关系分析模块、主体驱动模型数据分析模块、读物内容间隐含关系分析模块、用户评价分析模块、动态相关性分析模型、用户行为模型分析模块、非内容直接相关性分析模块、推荐模块,其中:
静态关系分析模块用于根据各读物的内容进行两两相关性计算,并得到关联度;
主体驱动模型数据分析模块用于从社交网络中获取与读物内容数据库相关数据并保存;
读物内容间隐含关系分析模块用于分析得到用户行为事务数据,分析得到标签矩阵,分析用户对读物的主观评价并量化;
用户评价分析模块通过各个用户对各个读物发布的评价进行分析,得出用户对读物总体的主观评价并量化;
动态相关性分析模型用于分析读物之间的动态相关性;
用户行为模型分析模块根据用户的历史行为进行分析得出用户偏好模型;
非内容直接相关性分析模块用于获取对用户关于读物评价的非直接相关的内容信息,获取动态热点词汇;
推荐模块根据所述静态分析模块,主体驱动模型数据分析模块,读物内容间隐含关系分析模块、用户评价分析模块、动态相关性分析模块、用户行为模型分析模块和非内容直接相关性分析模块所得到的信息确定读物的用户评价关注等级以根据不同用户进行读物推荐。
与现有技术相比较,本发明方法及***通过获取社交网络中各个不同用户对不同读物的评论来挖掘出用户与读物的评价关系进行量化处理,同时从中找出读物间的内容关联性还进一步通过额外的社会影像因素、与读物主体相关的其他社交网络信息,以及用户的历史行为来找出用户与读物间、读物两两间的隐含关系,相比现有技术仅仅基于读物的内容属性进行推荐,本发明利用社交网络相比其他渠道得到信息的超前性,推荐的读物更加准确。
附图说明
图1是本发明基于社交网络信息进行读物推荐方法的流程图。
图2是本发明基于社交网络信息进行读物推荐方法的二部图。
图3是本发明基于社交网络信息进行读物推荐方法中用户-用户超图和读物-读物超图,其中:
图3a为用户-用户超图,图3b为读物-读物超图。
图4是本发明基于社交网络信息进行读物推荐***的基本结构框图。
具体实施方式
如图1所示为本发明基于社交网络信息进行读物推荐方法的流程图,该方法包括如下步骤:
提取社交网络中各个读物的各个用户评价信息;其具体实现是通过社交网络对各个用户发布的推荐、评价、发帖、跟帖信息进行收集并分类整理。
建立各个用户与各个读物间的评价关系:所谓评价关系就是通过各个用户的评价信息,评价信息包括上述用户社交网络发布的关于读物的平林,罚金刑语义分析抽象出各个用户对各个读物分别作出的评价。形成一个评价关系表。
根据评价关系抽象出用户的行为操作数据集;此步骤是通过收集用户的操作,形成用户-读物的二部图,如图2所示。
根据用户的行为操作数据集通过二部图的最大匹配算法实现用户和读物的相似性。最大匹配有两种求法,最大流和匈牙利算法,核心问题就是找增广路径,实现用户读物间最大程度的连边,实现相似性的匹配。二部图映射为超图。这里可以进行2个方向的转换,因对同一商品的行为而产生一个超边将各用户相连,形成用户超图,揭示用户行为模式的特征,提高推荐***的性能,也可进行社交网络的研究,基于巴莱多定律,针对带来80%收益的20%用户提高依赖程度。因同一用户的行为而产生一个超边将所购买或试看的各商品相连,形成商品超图。商品度分布一般符合幂率分布,可进行长尾效应研究,进行热门商品和冷门商品的营销。二部图转换为用户-用户超图,如图3a所示;二部图转换为读物-读物超图,如图3b所示。
根据相似性来进行读物的推荐。通过研究用户的相似性,对同一用户群的购买的读物具有相似性这一原理实现读物的推荐。
本发明提供一种基于社交网络信息进行读物推荐的***,如图4所示,该***包括信息挖掘模块10、分析计算模块20和推荐模块30。信息挖掘模块10用于查找并提取社交网络中关于个读物的各个用户评价信息;分析计算模块20根据查找信息模块提取出的用户评价信息进行分析,以建立各个用户与各个读物间的评价关系;并根据评价关系计算出用户的行为操作数据集;再根据用户的行为操作集通过二部图的最大匹配算法进行推荐。
静态关系分析模块,用于根据各读物的内容进行两两相关性计算,并得到关联度;主体驱动模型数据分析模块,用于从社交网络中获取与读物内容数据库相关数据并保存。读物内容间隐含关系分析模块,用于分析得到用户行为事务数据,分析得到标签矩阵,分析用户对读物的主观评价并量化;用户评价分析模块,通过各个用户对各个读物发布的评价进行分析,得出用户对读物总体的主观评价并量化;动态相关性分析模型,用于分析读物之间的动态相关性;用户行为模型分析模块,根据用户的历史行为进行分析得出用户偏好模型;非内容直接相关性分析模块,用于获取对用户关于读物评价的非直接相关的内容信息,获取动态热点词汇;所述推荐模块根据所述静态分析模块,主体驱动模型数据分析模块,读物内容间隐含关系分析模块、用户评价分析模块、动态相关性分析模块、用户行为模型分析模块和非内容直接相关性分析模块所得到的信息确定读物的用户评价关注等级以根据不同用户进行读物推荐。
Claims (10)
1.基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:首先提取社交网络中关于各个电子阅读读物的各个用户评价信息;然后建立各个用户与各个读物之间的操作关系;接着根据操作关系抽象出用户的操作数据集;最后根据用户的行为操作数据集进行数据挖掘出有用信息,通过用户-读物二部图最大匹配算法,通过转化为用户-用户超图和读物-读物超图,进行读物的推荐。
2.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:提取社交网络中关于各个电子阅读读物的各个用户评价信息的具体过程为:收集并分类整理用户通过社交网络发布的推荐、评价、发帖、跟帖信息。
3.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:建立各个用户与各个读物之间的操作关系采用通过对各个操作信息进行语义分析以抽象出操作关系来实现。
4.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述操作关系为各个用户对各个读物发布的信息的量化值,信息量化为:-2代表很不喜欢、-1代表不喜欢、0代表普通、1代表喜欢、2代表很喜欢。
5.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述用户的行为操作数据集是各个用户所感兴趣的读物的集合。
6.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述二部图采用最大匹配算法实现。
7.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:所述的操作数据集是各个电子阅读读物之间的关联关系结合,即电子阅读读物之间的关联度。
8.根据权利要求1所述的基于社交网络信息进行电子阅读读物推荐的方法,其特征在于:进行读物推荐的方法为:读物的非内容信息分析,根据该非内容信息分析与所述读物的相似性来进行读物的推荐,所述非内容信息分析包括:根据读物进行静态关系分析、主体驱动模型数据分析、读物内容间隐含关系分析各个用户对各个读物发布的评价分析、读物间动态相关性分析、用户行为模型分析和非内容直接相关性分析;
各个用户对各个电子阅读读物发布的评价分析是根据所述操作关系,以各个用户对各个读物发布的评价信息的量化值计算出各个电子阅读读物的用户期望值。
9.一种基于社交网络信息进行电子阅读读物推荐的***,其特征在于:逻包括信息挖掘模块、分析计算模块、推荐模块,其中
信息挖掘模块用于查找并提取出社交网络中关于各个读物的各个用户评价信息;
分析计算模块根据查找信息模块提取出的用户评价信息进行分析,以建立各个用户与各个读物之间的评价关系,并根据评价关系计算出用户的操作数据集,再根据用户操作数据集通过最大匹配算法挖掘出相似性;
推荐模块根据分析计算模块计算出的读物向用户推送。
10.根据权利要求9所述的一种基于社交网络信息进行电子阅读读物推荐的***,其特征在于:所述分析计算模块包括静态关系分析模块、主体驱动模型数据分析模块、读物内容间隐含关系分析模块、用户评价分析模块、动态相关性分析模型、用户行为模型分析模块、非内容直接相关性分析模块、推荐模块,其中:
静态关系分析模块用于根据各读物的内容进行两两相关性计算,并得到关联度;
主体驱动模型数据分析模块用于从社交网络中获取与读物内容数据库相关数据并保存;
读物内容间隐含关系分析模块用于分析得到用户行为事务数据,分析得到标签矩阵,分析用户对读物的主观评价并量化;
用户评价分析模块通过各个用户对各个读物发布的评价进行分析,得出用户对读物总体的主观评价并量化;
动态相关性分析模型用于分析读物之间的动态相关性;
用户行为模型分析模块根据用户的历史行为进行分析得出用户偏好模型;
非内容直接相关性分析模块用于获取对用户关于读物评价的非直接相关的内容信息,获取动态热点词汇;
推荐模块根据所述静态分析模块,主体驱动模型数据分析模块,读物内容间隐含关系分析模块、用户评价分析模块、动态相关性分析模块、用户行为模型分析模块和非内容直接相关性分析模块所得到的信息确定读物的用户评价关注等级以根据不同用户进行读物推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410345719.9A CN104298702A (zh) | 2014-07-18 | 2014-07-18 | 基于社交网络信息进行电子阅读读物推荐的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410345719.9A CN104298702A (zh) | 2014-07-18 | 2014-07-18 | 基于社交网络信息进行电子阅读读物推荐的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104298702A true CN104298702A (zh) | 2015-01-21 |
Family
ID=52318429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410345719.9A Pending CN104298702A (zh) | 2014-07-18 | 2014-07-18 | 基于社交网络信息进行电子阅读读物推荐的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104298702A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
CN105138536A (zh) * | 2015-07-02 | 2015-12-09 | 南京邮电大学 | 基于有向超图的移动社交网络数据分片方法 |
CN109190045A (zh) * | 2018-09-15 | 2019-01-11 | 新乡学院 | 一种基于二部图最近邻的个性化推荐方法 |
CN109660876A (zh) * | 2019-01-29 | 2019-04-19 | 广州酷狗计算机科技有限公司 | 显示列表的方法和装置 |
CN111881350A (zh) * | 2020-07-23 | 2020-11-03 | 清华大学 | 一种基于混合图结构化建模的推荐方法与*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819572A (zh) * | 2009-09-15 | 2010-09-01 | 电子科技大学 | 一种用户兴趣模型的建立方法 |
CN101986299A (zh) * | 2010-10-28 | 2011-03-16 | 浙江大学 | 基于超图的多任务个性化网络服务方法 |
CN102708140A (zh) * | 2012-03-15 | 2012-10-03 | 冯志刚 | 一种微博文章排序方法和*** |
CN102789462A (zh) * | 2011-05-18 | 2012-11-21 | 阿里巴巴集团控股有限公司 | 一种项目推荐方法及*** |
CN103533390A (zh) * | 2012-11-15 | 2014-01-22 | Tcl集团股份有限公司 | 基于社交网络信息进行电视节目推荐的方法及*** |
US20140025670A1 (en) * | 2012-07-19 | 2014-01-23 | Berrin, Llc | Location based recommendations |
US20140081965A1 (en) * | 2006-09-22 | 2014-03-20 | John Nicholas Gross | Content recommendations for Social Networks |
-
2014
- 2014-07-18 CN CN201410345719.9A patent/CN104298702A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140081965A1 (en) * | 2006-09-22 | 2014-03-20 | John Nicholas Gross | Content recommendations for Social Networks |
CN101819572A (zh) * | 2009-09-15 | 2010-09-01 | 电子科技大学 | 一种用户兴趣模型的建立方法 |
CN101986299A (zh) * | 2010-10-28 | 2011-03-16 | 浙江大学 | 基于超图的多任务个性化网络服务方法 |
CN102789462A (zh) * | 2011-05-18 | 2012-11-21 | 阿里巴巴集团控股有限公司 | 一种项目推荐方法及*** |
CN102708140A (zh) * | 2012-03-15 | 2012-10-03 | 冯志刚 | 一种微博文章排序方法和*** |
US20140025670A1 (en) * | 2012-07-19 | 2014-01-23 | Berrin, Llc | Location based recommendations |
CN103533390A (zh) * | 2012-11-15 | 2014-01-22 | Tcl集团股份有限公司 | 基于社交网络信息进行电视节目推荐的方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138536A (zh) * | 2015-07-02 | 2015-12-09 | 南京邮电大学 | 基于有向超图的移动社交网络数据分片方法 |
CN105138536B (zh) * | 2015-07-02 | 2018-06-05 | 南京邮电大学 | 基于有向超图的移动社交网络数据分片方法 |
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
CN109190045A (zh) * | 2018-09-15 | 2019-01-11 | 新乡学院 | 一种基于二部图最近邻的个性化推荐方法 |
CN109190045B (zh) * | 2018-09-15 | 2021-08-31 | 新乡学院 | 一种基于二部图最近邻的个性化推荐方法 |
CN109660876A (zh) * | 2019-01-29 | 2019-04-19 | 广州酷狗计算机科技有限公司 | 显示列表的方法和装置 |
CN111881350A (zh) * | 2020-07-23 | 2020-11-03 | 清华大学 | 一种基于混合图结构化建模的推荐方法与*** |
CN111881350B (zh) * | 2020-07-23 | 2022-09-02 | 清华大学 | 一种基于混合图结构化建模的推荐方法与*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101419504B1 (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
CN112785397A (zh) | 一种产品推荐方法、装置及存储介质 | |
CN112232909A (zh) | 一种基于企业画像的商机挖掘方法 | |
CN108021651B (zh) | 一种网络舆情风险评估方法及装置 | |
CN105183727A (zh) | 一种图书推荐方法及其*** | |
CN105589905A (zh) | 用户兴趣数据分析和收集***及其方法 | |
CN104834686A (zh) | 一种基于混合语义矩阵的视频推荐方法 | |
CN104933622A (zh) | 一种基于用户和微博主题的微博流行度预测方法及*** | |
CN104298702A (zh) | 基于社交网络信息进行电子阅读读物推荐的方法及*** | |
CN103678618A (zh) | 一种基于社交网络平台的Web服务推荐方法 | |
CN103714139A (zh) | 一种移动海量客户群识别的并行数据挖掘方法 | |
Xu | Research on music culture personalized recommendation based on factor decomposition machine | |
CN102509233A (zh) | 一种基于用户网上动作信息的推荐方法 | |
CN116739676A (zh) | 一种基于大数据的智能广告营销*** | |
CN104063411A (zh) | 基于波特五力模型的企业情报收集方法 | |
CN115098650B (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
CN103577472A (zh) | 个人信息获得、推定、商品的分类、检索方法及*** | |
Bohara et al. | An AI based web portal for cotton price analysis and prediction | |
CN105389714B (zh) | 一种从行为数据识别用户特性的方法 | |
CN102306178A (zh) | 视频推荐方法及装置 | |
CN105138552A (zh) | 一种挖掘在线销售数据的时尚趋势分析*** | |
CN102262764A (zh) | 一种基于回归模型的电子商务推荐方法 | |
Sun | Music Individualization Recommendation System Based on Big Data Analysis | |
Wei et al. | A study of customer behaviour through web mining | |
CN116186541A (zh) | 一种推荐模型的训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150121 |
|
RJ01 | Rejection of invention patent application after publication |