CN105574139B - 一种基于双吸引度计算的社交网络陌生交友推荐方法及*** - Google Patents
一种基于双吸引度计算的社交网络陌生交友推荐方法及*** Download PDFInfo
- Publication number
- CN105574139B CN105574139B CN201510937707.XA CN201510937707A CN105574139B CN 105574139 B CN105574139 B CN 105574139B CN 201510937707 A CN201510937707 A CN 201510937707A CN 105574139 B CN105574139 B CN 105574139B
- Authority
- CN
- China
- Prior art keywords
- user
- social
- friend
- probe phase
- strange
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000523 sample Substances 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 21
- 101000691535 Cricetus cricetus 39S ribosomal protein L12, mitochondrial Proteins 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及***,属于互联网技术领域,首先通过识别处于社交探索期的用户,构建社交探索期用户列表;然后根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;最后,根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在:该方法通过识别社交探索期的用户,只为社交探索期的用户推荐其它社交探索期的用户,杜绝对用户的骚扰。同时,通过设计“双吸引指数”概率计算模型,推荐相匹配的用户,提高推荐的准确度。
Description
技术领域
本发明属于互联网技术领域,具体涉及一种基于双吸引度计算的社交网络陌生交友推荐方法及***。
背景技术
陌生交友是指,两个在现实生活中不存在社会关系的人建立社交网络上的好友关系。陌生交友目前已经是一个比较普遍的社交网络现象。当前社交网络/软件的好友推荐技术主要依据的是用户之间的相似性。好友推荐方法主要包括三类:(1)基于社交网络中的节点(即用户)的网络相似性度量来推荐,代表性的产品或功能包括腾讯QQ的可能认识的人、Facebook的People You May Know等;(2)基于用户属性的相似性来推荐,比如同城交友、具有相同兴趣的交友等;(3)上述两种技术的混合。这三类技术的核心思想均为基于用户之间的相似性来推荐好友。
但是,当前的好友推荐方法在推荐陌生好友时常常存在以下问题:
(1)对用户产生骚扰。只有部分用户或者处于某些阶段的用户才会对陌生交友感兴趣,而另外一些用户或者处于另外一些阶段的用户则可能对陌生交友不感兴趣。为后一种用户推荐陌生好友,或者将后一种用户推荐给别的用户,会对这些用户造成骚扰;(2)推荐不准确。现有的推荐方法依据的是相似性度量,然而,这样推荐得到的好友,用户往往不感兴趣。与推荐相似的用户相比,推荐相匹配的用户应该会更加准确。(3)现有的推荐***的推荐结果基本是静态的,推荐结果会在较长时间内保持不变,而推荐陌生好友是一个不断试错和总结的过程。
发明内容
为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种基于双吸引度计算的社交网络陌生交友推荐方法及***。
本发明是通过以下技术方案来实现:
本发明公开了一种基于双吸引度计算的社交网络陌生交友推荐方法,包括以下步骤:
步骤一,通过社交网络用户交友数据库,识别处于社交探索期的用户,构建社交探索期用户列表;
步骤二,在社交探索期用户列表中,根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;
步骤三,根据匹配程度将推荐结果动态展示给社交探索期的用户,社交探索期的用户根据需求自行选择互动。
步骤一所述的构建社交探索期用户列表,具体操作包括如下步骤:
1)采集某一用户在最近某一时间段内的交友记录,计算新增好友与该用户的共同好友数;
2)定义与该用户的共同好友数等于0的新增好友为陌生好友;定义与该用户的共同好友数大于0的新增好友为熟人好友;
3)根据自定义规则,筛选得出处于社交探索期的用户,形成社交探索期用户列表。
优选地,步骤3)自定义规则为:若用户新增好友数大于5,并且新增好友中的陌生好友所占的比例大于50%,则视此用户为社交探索期用户。
共同好友数指用户的好友与新增好友的好友重复个数。
步骤二所述的根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,具体操作包括如下步骤:
1)假设有两个用户U1和U2,采集U1和U2的个人属性,并形成个人属性向量A;
2)采集U1和U2在某一时间段内新增好友的个人属性向量Af,计算平均个人属性P;
3)计算U2对U1的吸引指数以及U1对U2的吸引指数:
U2对U1的吸引指数的计算公式为:AI(U2>U1)=P1·A2/(|P1|*|A2|);
其中P1·A2是向量积,|P1|是向量的模,该公式计算P1与A2向量的余弦,通过两个向量的夹角来判断其匹配程度;
U1对U2的吸引指数计算公式为:AI(U1>U2)=P2·A1/(|P2|*|A1|);
4)定义U1和U2间的双吸引指数为AI(U1<>U2),计算两个用户U1和U2间的双吸引指数,计算公式如下:AI(U1<>U2)=AI(U1>U2)*AI(U2>U1)。
步骤三所述的根据匹配程度将推荐结果动态展示给社交探索期的用户,是按照双吸引指数得分由高到低将推荐结果按顺序推荐给用户,并通过用户终端能够识别的方式展示。
优选地,当用户浏览过推荐结果后,推荐结果失效并消失。
优选地,当未浏览的推荐结果小于用户设定的数量时,重新启动计算下一批推荐结果。
本发明还公开了一种基于双吸引度计算的社交网络陌生交友推荐***,包括:
社交探索期用户识别模块,该模块基于用户交友数据库,用于识别处于社交探索期的社交网络用户,并构建社交探索期用户列表;
交友匹配计算模块,用于计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;
结果展示模块,用于将推荐结果动态展示给用户,并允许用户根据需求进行互动。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开的基于双吸引度计算的社交网络陌生交友推荐方法,首先通过识别处于社交探索期的用户,构建社交探索期用户列表;然后根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;最后,根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在:该方法通过识别社交探索期的用户,只为社交探索期的用户推荐其它社交探索期的用户,杜绝对用户的骚扰。同时,通过设计“双吸引指数”概率计算模型,推荐相匹配的用户,提高推荐的准确度。
优选地,当用户浏览过推荐结果后,推荐结果失效并消失,当未浏览的推荐结果小于用户设定的数量时,重新启动计算下一批推荐结果。本方法能够通过设计推荐结果的生命周期管理,使得推荐结果随着用户操作而动态变化。
本发明公开的基于双吸引度计算的社交网络陌生交友推荐***,主要由以下三部分组成:社交探索期用户识别模块、交友匹配计算模块、推荐结果展示模块。社交探索期用户识别模块基于用户交友数据库,识别处于社交探索期的社交网络用户;交友匹配计算模块用于计算两个处于社交探索期的用户的匹配指数;结果展示模块是将推荐结果动态展示给用户,并允许用户进行一定的互动。
附图说明
图1为基于双吸引度计算的社交网络陌生交友推荐***逻辑结构图;
图2为基于双吸引度计算的社交网络陌生交友推荐结果展示图。
其中,101为用户交友数据库;102为社交探索期用户识别模块;103为交友匹配计算模块;104为结果展示模块。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及***,其功能结构图如图1所示,其中,101为用户交友数据库;102为社交探索期用户识别模块;103为交友匹配计算模块;104为结果展示模块。
***功能主要由以下三部分组成:社交探索期用户识别模块102、交友匹配计算模块103及结果展示模块104。社交探索期用户识别模块102基于用户交友数据库,识别处于社交探索期的社交网络用户;交友匹配计算模块103用于计算两个处于社交探索期的用户的匹配指数;结果展示模块104是将推荐结果动态展示给用户,并允许用户进行一定的互动。
基于双吸引度计算的社交网络陌生交友推荐方法,包括以下步骤:
步骤一,通过社交网络用户交友数据库,识别处于社交探索期的用户,构建社交探索期用户列表;
步骤二,在社交探索期用户列表中,根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;
步骤三,根据匹配程度将推荐结果动态展示给社交探索期的用户,社交探索期的用户根据需求自行选择互动。
下面对各模块工作进行具体举例说明:
1、社交探索期用户识别模块
为了避免过度骚扰处于社交稳定期的用户或以熟人交友为主的用户,需要将社交探索期用户识别出来。识别社交探索期用户的方法如下:
第一步:采集用户在最近一段时间内(如3个月内)的交友记录。计算新增好友与用户的共同好友数。共同好友数是指用户的好友与新增好友的好友重复的个数。例如,用户有50个好友,新增好友有30个好友,其中有20个是重复的,那么用户与新增好友的共同好友数为20。
第二步:定义陌生好友为与用户的共同好友等于0的新增好友;定义熟人好友为与用户的共同好友数大于0的新增好友。
第三步:依据一定的规则,筛选得出处于社交探索期的用户,形成社交探索期用户列表。例如:如果用户新增好友数大于5,并且新增好友中陌生好友所占的比例>50%,则视此用户为社交探索期用户。
2、交友匹配计算模块
交友匹配计算模块用于计算两个用户的匹配程度。假设有两个用户U1和U2,定义其双吸引指数为AI(U1<>U2),计算方式如下:
第一步:采集U1和U2的个人属性,并形成个人属性向量A。例如,假定所采集属性包括性别(男、女)和年龄(小于30岁、大于等于30岁);假设U1为男,23岁;U1的个人属性向量A1为(1,0,1,0),其中前两位表示性别,第一位表示男,第二位表示女;后两位表示年龄,小于30岁,大于等于30岁;1表示是,0表示否。
个人属性向量不限于上述两项,可以多至数千项甚至数万项。
第二步:采集U1和U2在一定时间段内新增好友的个人属性向量Af,计算平均的个人属性P。例如,假设U1新增了4个好友,其属性分别是(女,21岁),(女,25岁),(男,23岁),(女,20岁),则对应的好友个人属性向量Af分别为(0,1,1,0),(0,1,1,0),(1,0,1,0),(0,1,1,0)。计算得到平均P1=(0.25,0.75,1,0)。
第三步,计算U2对U1的吸引指数,以及U1对U2的吸引指数。U2对U1的吸引指数的计算方法如下:AI(U2>U1)=P1·A2/(|P1|*|A2|),其中P1·A2是向量积,|P1|是向量的模。该公式计算P1与A2向量的余弦,通过两个向量的夹角来判断其匹配程度。类似地,U1对U2的吸引指数计算公式为AI(U1>U2)=P2·A1/(|P2|*|A1|)
第四步,计算U2与U1之间的双吸引指数,AI(U1<>U2)=AI(U1>U2)*AI(U2>U1)。也就是说,只有U1吸引U2,而且U2吸引U1时,其吸引度才会得高分;而U1与U2之间单方面的吸引不会得到高分。
3、结果展示模块
推荐结果展示界面如图2所示,结果展示模块按照如下规则展示结果:
(1)按照双吸引指数得分由高到低将被推荐人顺序推荐;并用一定的方式展示双吸引指数。例如,下图中使用双吸引指数乘以100来指示双吸引指数。
(2)当用户浏览过推荐结果后,推荐结果失效并消失。例如,下图中,当用户可点击左右的三角形来浏览推荐结果。关闭此推荐窗口时,浏览过的推荐结果在下次打开窗口时不再显示。
(3)当未浏览的推荐结果小于一定数量时,重新启动计算下一批推荐结果。
Claims (6)
1.一种基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,包括以下步骤:
步骤一,通过社交网络用户交友数据库,识别处于社交探索期的用户,构建社交探索期用户列表;
步骤二,在社交探索期用户列表中,根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;
所述的根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,具体操作包括如下步骤:
1)假设有两个用户U1和U2,采集U1和U2的个人属性,并形成个人属性向量A;
2)采集U1和U2在某一时间段内新增好友的个人属性向量Af,计算平均个人属性P;
3)计算U2对U1的吸引指数以及U1对U2的吸引指数:
U2对U1的吸引指数的计算公式为:AI(U2>U1)=P1·A2/(|P1|*|A2|);
其中P1·A2是向量积,|P1|是向量的模,该公式计算P1与A2向量的余弦,通过两个向量的夹角来判断其匹配程度;
U1对U2的吸引指数计算公式为:AI(U1>U2)=P2·A1/(|P2|*|A1|);
4)定义U1和U2间的双吸引指数为AI(U1<>U2),计算两个用户U1和U2间的双吸引指数,计算公式如下:AI(U1<>U2)=AI(U1>U2)*AI(U2>U1);其中,A1、A2分别是用户U1、U2的个人属性向量,P1、P2分别是用户U1、U2的平均个人属性;
步骤三,根据匹配程度将推荐结果动态展示给社交探索期的用户,社交探索期的用户根据需求自行选择互动;
构建社交探索期用户列表,具体操作包括如下步骤:
1)采集某一用户在最近某一时间段内的交友记录,计算新增好友与该用户的共同好友数;
2)定义与该用户的共同好友数等于0的新增好友为陌生好友;定义与该用户的共同好友数大于0的新增好友为熟人好友;
3)根据自定义规则,筛选得出处于社交探索期的用户,形成社交探索期用户列表。
2.根据权利要求1所述的基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,步骤3)自定义规则为:若用户新增好友数大于5,并且新增好友中的陌生好友所占的比例大于50%,则视此用户为社交探索期用户。
3.根据权利要求1所述的基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,共同好友数指用户的好友与新增好友的好友重复个数。
4.根据权利要求1所述的基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,步骤三所述的根据匹配程度将推荐结果动态展示给社交探索期的用户,是按照双吸引指数得分由高到低将推荐结果按顺序推荐给用户,并通过用户终端能够识别的方式展示。
5.根据权利要求4所述的基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,当用户浏览过推荐结果后,推荐结果失效并消失。
6.根据权利要求4所述的基于双吸引度计算的社交网络陌生交友推荐方法,其特征在于,当未浏览的推荐结果小于用户设定的数量时,重新启动计算下一批推荐结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937707.XA CN105574139B (zh) | 2015-12-14 | 2015-12-14 | 一种基于双吸引度计算的社交网络陌生交友推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937707.XA CN105574139B (zh) | 2015-12-14 | 2015-12-14 | 一种基于双吸引度计算的社交网络陌生交友推荐方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574139A CN105574139A (zh) | 2016-05-11 |
CN105574139B true CN105574139B (zh) | 2017-08-01 |
Family
ID=55884270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510937707.XA Expired - Fee Related CN105574139B (zh) | 2015-12-14 | 2015-12-14 | 一种基于双吸引度计算的社交网络陌生交友推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574139B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126586A (zh) * | 2016-06-21 | 2016-11-16 | 安徽师范大学 | 一种基于综合评价信任的社交网络推荐模型构建方法 |
CN106649650B (zh) * | 2016-12-10 | 2020-08-18 | 宁波财经学院 | 一种需求信息双向匹配方法 |
CN108122169A (zh) * | 2018-01-03 | 2018-06-05 | 深圳市创享网络科技有限公司 | 一种基于加速度传感器建立友好社交关系的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847226A (zh) * | 2009-12-17 | 2010-09-29 | 广州市盈海文化传播有限公司 | 一种社会性网络sns社区中推荐异性朋友的方法及*** |
CN103581270B (zh) * | 2012-08-08 | 2015-12-16 | 腾讯科技(深圳)有限公司 | 用户推荐方法和*** |
CN104504026A (zh) * | 2014-12-11 | 2015-04-08 | 小米科技有限责任公司 | 好友推荐方法及装置 |
-
2015
- 2015-12-14 CN CN201510937707.XA patent/CN105574139B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105574139A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268271B (zh) | 一种兴趣和网络结构双内聚的社交网络社区发现方法 | |
CN109241440A (zh) | 一种基于深度学习的面向隐式反馈推荐方法 | |
CN106959966A (zh) | 一种信息推荐方法及*** | |
CN105117422A (zh) | 智能社交网络推荐*** | |
CN104317900A (zh) | 一种面向社交网络的多属性协同过滤推荐方法 | |
CN103632290B (zh) | 一种基于推荐概率融合的混合推荐方法 | |
CN105281925B (zh) | 网络业务用户群组划分的方法和装置 | |
CN103823888A (zh) | 一种基于节点亲密度的社交网站好友推荐方法 | |
CN106528643A (zh) | 一种基于社交网络的多维度综合推荐方法 | |
CN105893350A (zh) | 一种电子商务中文本评论质量的评价方法与*** | |
CN104915354B (zh) | 多媒体文件推送方法及装置 | |
CN105574139B (zh) | 一种基于双吸引度计算的社交网络陌生交友推荐方法及*** | |
JP5754854B2 (ja) | 投稿者のプロフィール情報を分析する投稿者分析装置、プログラム及び方法 | |
CN107562947A (zh) | 一种移动时空感知下动态即时推荐服务模型建立方法 | |
CN105117771B (zh) | 一种基于关联规则有向无环图的农机故障识别方法 | |
CN104077417A (zh) | 社交网络中的人物标签推荐方法和*** | |
CN103838857B (zh) | 一种基于语义的自动服务组合***及方法 | |
CN108305181B (zh) | 社交影响力确定、信息投放方法及装置、设备及存储介质 | |
CN107944911A (zh) | 一种基于文本分析的推荐***的推荐方法 | |
CN106203935B (zh) | 基于用户生成内容及用户关系的技能评估与岗位匹配方法 | |
CN108921734A (zh) | 一个基于多源异构数据的房地产信息可视化*** | |
CN105608624A (zh) | 基于用户体验的微博大数据兴趣社区分析优化方法 | |
CN105678590A (zh) | 一种面向社交网络基于云模型的topN推荐方法 | |
CN110119478A (zh) | 一种结合多种用户反馈数据的基于相似度的物品推荐方法 | |
CN107577742A (zh) | 一种基于贝叶斯方法的多关系社交网络模式挖掘方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170801 Termination date: 20191214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |