一种基于度数分布与用户评分的社交推荐系统的制作方法
【专利摘要】本发明提供的一种基于度数分布与用户评分的社交推荐系统，具有这样的特征，包括以下步骤：步骤一，计算当前社交网络所有用户的度数；步骤二，根据预定条件找出所有目前还不是好友的一对用户，选出的所有对用户列入一个推荐候选表；以及步骤三，基于任意一个用户的度数大小进行好友的推荐。
【专利说明】
一种基于度数分布与用户评分的社交推荐系统
技术领域
[0001]本发明涉及社交推荐系统，尤其涉及一种基于度数分布与用户评分的社交推荐系统。
【背景技术】
[0002]现存的推荐系统中，例如亚马逊，淘宝等是使用根据用户所购买的商品标签向用户推荐相似的商品，用户则有一定可能性对这个商家进行回访并以此来提高商家的销售额以及访问量。但这种推荐方式往往不够精确，用户体验也并不是很好。
[0003]为了解决这个问题，近几年有研究者也提出了使用社交网络本身所具有的信息来进行商品或者好友推荐。用户更能够相信与自己兴趣相近的人所做出的选择。也就是所谓的活动相似与社交信任。有不少基于这个方面设计的社交推荐系统。使用带有社交信息的推荐系统能够使推荐变得更加精确用户也更加容易接受。
[0004]“基于活动相似和社交信任的社交网好友推荐系统及方法”(申请号:CN201410462802.4)提出如下发明方案:利用用户社交信任值和活动偏好相似性来实现基于位置社交网络中好友推荐，由于活动可以体现用户兴趣偏好，因此通过用户间活动相似性发现与其偏好相似的好友；由于社交信任能反映用户间交互紧密程度，因此根据不同程度信任关系进行好友推荐具有更合理的可解释性。采用了用户社交信任值和活动偏好相似性。增加了好友推荐时的有效性并对不同程度信任关系进行好友推荐具有更合理的可解释性。该方法对于传统社交网络适用，但是在类似Yelp与大众点评等商品与好友推荐结合的社交推荐系统内，如果只是使用这种方法并不能使社交网络自身的扩散效率。
【发明内容】
[0005]本发明是为了解决上述问题而进行的，目的在于提供一种减小社交网络的击中时，优化整个社交网络的传播效率的一种基于度数分布与用户评分的社交推荐系统。
[0006]本发明提供的一种基于度数分布与用户评分的社交推荐系统，具有这样的特征，包括以下步骤:
[0007]步骤一，计算当前社交网络所有用户的度数；
[0008]步骤二，根据预定条件找出所有目前还不是好友的一对用户，选出的所有对用户列入一个推荐候选表;以及
[0009]步骤三，基于任意一个用户的度数大小进行好友的推荐。
[0010]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征:其中，度数为好友的数量。
[0011]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征:其中，预定条件为一对用户对同一个商家进行过评论并且评分相同。
[0012]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征:其中，度数大小为好友的多少。
[0013]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征，包括以下步骤:
[OOM]步骤零，设置一个最小度数参数α以及需要推荐的次数EdgeNum。
[0015]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征:其中，参数α是根据社交网络的整体度数分布设置。
[0016]本发明提供的一种基于度数分布与用户评分的社交推荐系统，还具有这样的特征:其中，次数EdgeNum是根据系统需求设置。
[0017]发明作用和效果
[0018]根据本发明所涉及一种基于度数分布与用户评分的社交推荐系统，在进行好友推荐的同时考虑网络整体的击中时，从而保证用活动相似和社交信任进行好友推荐，还很大程度减小社交网络的击中时，优化整个社交网络的传播效率;商家能够快速推出新产品，用户也能够尽快接收到新商品的信息;首先把用户相似性和活动偏好相似性定位到对同一个商家有着相同的评分上，并且找出所有的可推荐情况;在这个基础之上，进行推荐时考虑用户的好友数量，在推荐的人数有限的情况下优先考虑好友人数较少的用户；这能够使整个社交网络的度数分布更加平均，信息扩散的渠道更多，从而使得社交网络的传播效率增加。
【附图说明】
[0019]图1为本发明实施例中的一种基于度数分布与用户评分的社交推荐系统的流程图。
【具体实施方式】
[0020]以下参照附图及实施例对本发明所涉及的一种基于度数分布与用户评分的社交推荐系统作详细的描述。
[0021 ]实施例
[0022]图1为本发明实施例中的一种基于度数分布与用户评分的社交推荐系统的流程图。
[0023]如图1所示，一种基于度数分布与用户评分的社交推荐系统具有以下步骤:
[0024]步骤零:设置一个最小度数参数α以及需要推荐的次数EdgeNum(网络所需要增加的边数)，进入步骤一。参数α是根据社交网络的整体度数分布设置，次数EdgeNum是根据系统需求设置。
[0025]步骤一:计算当前社交网络所有用户的度数(好友的数量)，进入步骤二。
[0026]步骤二:根据预定条件找出所有目前还不是好友的一对用户，进入步骤三。预定条件为一对用户对同一个商家进行过评论并且评分相同。
[0027]遍历所有的商家并找出对这些商家进行过评论的用户的ID以及他们的评分。把所有对于同一个商家k进行评论并且评分相同的两个用户vi与vj选出，并放入推荐候选表L〈vi，vj>中。当所有的商家都遍历完毕之后，整个推荐系统的准备阶段完成。
[0028]步骤三，基于任意一个用户的度数大小(好友的多少)进行好友的推荐。
[0029]从推荐候选表L〈vi，vj>中随机地选出一对用户〈vi，vj>。并对用户vi的度数进行判断，如果满足degree(viXa则把〈vi ,Vj>作为一条新的边加入到这个社交网络中，也就是进行了一次好友推荐。否则，不断进行选择直到找到符合条件的〈vi，vj>。当需要推荐的次数满足一开始设定的次数EdgeNum或者在表L里面已经不存在满足条件degree(Vi)<a的边的时候，该推荐结束。
[0030]本发明充分考虑评价一个社交推荐系统性能的两个指标:用户层面的差异值和整个社交网络层面的击中时(Hitting time)。因为在使用社交推荐系统给用户推荐商品或者好友时，整个社交网络的结构会发生变化，所以会带来击中时的变化，这个变化也带来整个社交网络传播扩撒效率的改变，因此，在使用社交推荐系统进行推荐的同时也必须注意网络结构的变化，并需要把网络的击中时纳入考虑范围。本发明解决的技术问题在于进行好友推荐的同时考虑网络整体的击中时，保证用活动相似和社交信任进行好友推荐，减小社交网络的击中时，优化整个社交网络的传播效率。
[0031]实施例的作用与效果
[0032]根据本实施例所涉及一种基于度数分布与用户评分的社交推荐系统，在进行好友推荐的同时考虑网络整体的击中时，从而保证用活动相似和社交信任进行好友推荐，还很大程度减小社交网络的击中时，优化整个社交网络的传播效率;商家能够快速推出新产品，用户也能够尽快接收到新商品的信息;首先把用户相似性和活动偏好相似性定位到对同一个商家有着相同的评分上，并且找出所有的可推荐情况;在这个基础之上，进行推荐时考虑用户的好友数量，在推荐的人数有限的情况下优先考虑好友人数较少的用户；这能够使整个社交网络的度数分布更加平均，信息扩散的渠道更多，从而使得社交网络的传播效率增加。
[0033]上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。
【主权项】
1.一种基于度数分布与用户评分的社交推荐系统，其特征在于，包括以下步骤: 步骤一，计算当前社交网络所有用户的度数； 步骤二，根据预定条件找出所有目前还不是好友的一对所述用户，把选出的所有对所述用户列入一个推荐候选表;以及 步骤三，基于任意一个所述用户的度数大小进行所述好友的推荐。2.根据权利要求1所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于: 其中，所述度数为所述好友的数量。3.根据权利要求1所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于: 其中，所述预定条件为一对所述用户对同一个商家进行过评论并且评分相同。4.根据权利要求1所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于: 其中，所述度数大小为所述好友的多少。5.根据权利要求1所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于，还包括以下步骤: 步骤零，设置一个最小度数参数α以及需要推荐的次数EdgeNum。6.根据权利要求5所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于: 其中，所述参数α是根据社交网络的整体所述度数分布设置。7.根据权利要求5所述的一种基于度数分布与用户评分的社交推荐系统，其特征在于: 其中，所述次数EdgeNum是根据系统需求设置。
【文档编号】G06Q50/00GK105894254SQ201610488068
【公开日】2016年8月24日
【申请日】2016年6月28日
【发明人】张锦程, 杨桂松, 何杏宇
【申请人】上海理工大学