一种移动社会网络的好友推荐方法

一种移动社会网络的好友推荐方法
【技术领域】
[0001] 本发明属于数据挖掘与用户行为分析技术领域，具体设及一种移动社会网络的好 友推荐方法的设计。
【背景技术】
[0002] 移动社会网络是由多个具有相似兴趣或共同点的用户通过移动电话或平板电脑 等移动终端互连的社会网络。移动社会网络结合了社会网络和移动通信网络，兼有社会网 络的社会性和移动通信网络的移动性，是一个设及用户社会关系的移动通信系统。移动性 是移动社会网络服务和传统社会网络服务的主要区别，社会关系用不同的社会网络指标定 义，该些指标为网络的相关性和社会关系提供了新的视角。它创造了一种全新的社交方式， 使虚拟社交和现实社交更为接近，是虚拟世界和现实世界的桥梁。
[0003] 准确判别人群中的社团或聚类对于优化移动社会网络服务等个性化内容推荐服 务具有重大意义，根据人群的划分结果，可准确向目标用户推荐同类型人群成为其好友候 选人。
[0004] 移动社会网络中现有推荐好友的方法一般可W分为基于内容的好友推荐方法和 基于协同过滤的好友推荐方法两大类型。
[0005] 基于内容的好友推荐方法根据用户的基本信息，包括兴趣爱好、教育背景、工作和 地域信息等内容，向目标用户推荐基本信息与之相似的其它用户成为其好友候选人，由于 该种方法可W很直观的反映用户基本信息的匹配度，在早期社会网络的好友推荐中，曾被 广泛应用，但由于内容分析的限制、匹配内容过于机械化W及用户基本信息不全等问题，该 方法存在较大的局限性，其推荐结果并不十分令用户满意。
[0006] 基于协同过滤的技术在数据挖掘领域已经有不少的应用，该种方法也被引入到了 移动社会网络的好友推荐中。该方法的基本思想是利用和当前用户有相同兴趣爱好的其他 用户对候选信息的观点W判断该信息对当前用户的价值，并作为评价标准，决定是否向当 前用户推荐目标信息。最常见就是化iend-of-Friend方法，即基于"好友的好友"的推荐 方法。该一类型的方法虽然不依赖事物的内容，但需要用户表现出对其喜好的程度，因此其 在推荐结果的表现上，也差强人意。

【发明内容】

[0007] 本发明的目的是为了解决移动社会网络中现有推荐好友的方法的推荐结果无法 令用户满意的问题，提出了一种移动社会网络的好友推荐方法。
[000引本发明的技术方案为；一种移动社会网络的好友推荐方法，包括W下步骤：
[0009]S1、导入用户地理位置日志文件，计算任意两个用户之间的离散地理位置相似 度；
[0010] S2、导入用户在线时间日志文件，计算任意两个用户之间的在线时间相似度；
[0011] S3、导入用户兴趣标签日志文件，计算任意两个用户之间的兴趣相似度；
[0012] S4、根据离散地理位置相似度、在线时间相似度w及兴趣相似度计算任意两个用 户之间的差异距离；
[0013] S5、选定目标用户，根据目标用户跟其他用户的差异距离向目标用户推荐好友候 选人。
[0014] 进一步地，步骤S1中用户地理位置日志由用户ID与用户活动的基站序号列表组 成。
[0015] 进一步地，步骤S1包括W下分步骤：
[0016] S11、导入任意两个用户活动的基站序号列表，计算两用户在各个基站出现的概 率，形成概率向量；
[0017] S12、计算两用户在某个基站共同出现的概率；
[001引 S13、将两用户在所有基站处共同出现的概率相加，并除W步骤S11形成的概率向 量的范数的乘积，得到一个归一化指标，即为该两用户的离散地理位置相似度。
[0019] 进一步地，步骤S2中用户在线时间日志由用户ID与用户在线时间段序号列表组 成。
[0020] 进一步地，步骤S2包括W下分步骤：
[0021] S21、导入任意两个用户的在线时间段序号列表，计算两用户在各个时间段在线的 概率，形成概率向量；
[0022] S22、计算两用户在某个时间段共同在线的概率；
[0023]S23、将两用户所有在线时间段的共同在线的概率相加，并除W步骤S21形成的概 率向量的范数的乘积，得到一个归一化指标，即为该两用户的在线时间相似度。
[0024] 进一步地，步骤S3中用户兴趣标签日志由用户ID与兴趣标签序号列表组成。
[0025] 进一步地，步骤S3包括W下分步骤：
[0026] S31、导入任意两个用户的兴趣标签序号列表，计算两用户拥有各个兴趣标签的概 率，形成概率向量；
[0027]S32、计算两用户共同拥有某个兴趣标签的概率；
[002引 S33、将两用户对所有兴趣标签的共同拥有概率相加，并除W步骤S31形成的概率 向量的范数的乘积，得到一个归一化指标，即为该两用户的兴趣相似度。
[0029] 进一步地，步骤S4中任意两个用户之间的差异距离为该两用户间的离散地理位 置相似度、在线时间相似度和兴趣相似度的一定权重的方差之和的开根号。
[0030] 进一步地，步骤S5具体为：
[0031] 选定目标用户，将目标用户与其他各个用户的差异距离按照从小到大的规律进行 排序，形成由小到大的差异距离序列，选取序列中前5%~10%的用户作为推荐用户，将其 推荐给目标用户作为好友候选人。
[0032] 本发明的有益效果是：本发明根据离散地理位置相似度、在线时间相似度和兴趣 相似度，从多个维度上计算移动社会网络用户之间的差异距离，并根据差异距离划分同类 型人群，可准确向目标用户推荐与之在空间、时间、兴趣上相似性较高的其它用户成为其好 友候选人，可应用于好友推荐系统，向目标用户推送个性化好友推荐内容。
【附图说明】
[0033] 图1为本发明提供的一种移动社会网络的好友推荐方法流程图。
【具体实施方式】
[0034] 下面结合附图对本发明的实施例作进一步的说明。
[0035] 本发明提供了一种移动社会网络的好友推荐方法，如图1所示，包括W下步骤：
[0036] S1、导入用户地理位置日志文件，计算任意两个用户之间的离散地理位置相似度。
[0037] 其中，用户地理位置日志由用户ID与用户活动的基站序号列表组成。设给定总用 户数为n，用户活动区域由m个基站完全覆盖，则任意两个用户i，j之间的离散地理位置相 似度（用Iw表示）表示为两者所有共同位置的余弦相似性指标，如公式（1)所示：
[00%] (1)
[0039] 式中P表示基站序列集合，N表示用户序列集合，和P分别表示用户i和用 户j在基站1出现的概率，Pi=[Pi,l，Pi,2, . ..，PiJ和叫=[PW，PW，. . .，P細]分别表示 用户i和用户j出现在各个基站的概率，I|PilI和MPj.ll分别表示Pi和Pj.的范数，本发明 实施例中为2范数。
[0040] 步骤S1包括W下分步骤：
[0041] S11、导入任意两个用户（用户i和用户j)活动的基站序号列表，计算两用户在各 个基站出现的概率，形成概率向量Pi= [Pi,l，Pi,2，...，Pi,m]，Pj= [Pj,l，Pj,2，...，Pj,m];
[0042]S12、利用计算得到用户i和用户j在基站1共同出现的概率（此处共同 出现的概率仅指两个用户都曾去过基站1的概率，而不是指两个用户同时在基站1出现的 概率）；
[0043] S13、将两用户在所有基站处共同出现的概率相加，并除WPi和PJ的范数的乘积 (优选2范数），得到一个归一化指标，即为用户i和用户j的离散地理位置相似度。
[0044] S2、导入用户在线时间日志文件，计算任意两个用户之间的在线时间相似度。
[0045] 其中，用户在线时间日志由用户ID与用户在线时间段序号列表组成。设给定总用 户数为n，用户在线时间由y个时间段完全覆盖，则任意两个用户i，j之间的在线时间相似 度（用tw表示）表示为两者所有共同在线时间段的余弦相似性指标，如公式（2)所示：
[0046] (2)
[0047] 式中T表示时间段序列集合，N表示用户序列集合，Pi,济P j,u分别表示用户i和 用户j在时间段U在线的概率，Pi=[P1,1，Pi,2, . . .，Pi,y]和 Pj=[Pj,l，Pj,2, . . .，Pj,y]分别 表示用户i和用户j在各个时间段在线的概率，I|PilI和MpjII分别表示Pi和Pj的范数， 本发明实施例中为2范数。
[0048] 步骤S2包括W下分步骤：
[0049] S21、导入任意两个用户（用户i和用户j)的在线时间段序号列表，计算两用户在 各个时间段在线的概率，形成概率向量Pi=[Pi,l，Pi,2, . . .，Pi,y]，Pj=[Pj,l，Pj,2, . . .，Pj, y];
[0050] S22、利用Pi,u*Pj.,u计算得到用户i和用户j在某个时间段共同在线的概率；
[0051] S23、将两用户所有在线时间段的共同在线的概率相加，并除WPi和Pj的范数的乘 积（优选2范数），得到一个归一化指标，即为用户i和用户j的在线时间相似度。
[0052] S3、导入用户兴趣标签日志文件，计算任意两个用户之间的兴趣相似度。
[0化3] 其中，用户兴趣标签日志由用户ID与兴趣标签序号列表组成。设给定总用户数为 n，用户兴趣由k个兴趣标签完全覆盖，则任意两个用户i，j之间的兴趣相似度（用hy表 示）表示为两者所有共同兴趣标签的余弦相似性指标，如公式（3)所示：
[0054] (3)
[005引式中H表示兴趣标签序列集合，N表示用户序列集合，Pi,V和PV分别表示用户i和用户j共同拥有兴趣标签V的概率，Pi=[P1,1，Pi,2,. . .，Pi,k]和Pj=[Pj,l，Pj,2,. . .，Pj, k]分别表示用户i和用户j拥有各个兴趣标签的概率，MPill和MpjM分别表示Pi和Pj的范数，本发明实施例中为2范数。
[0056] 步骤S3包括W下分步骤：
[0化7] S31、导入任意两个用户（用户i和用户j)的兴趣标签序号列表，计算两用户拥有 各个兴趣标签的概率，形成概率向量Pi= [P i,l，Pi,2, . . .，Pj,k]和Pj= [P J,l，Pj,2, . . .，Pj, k];
[0化引S32、利用计算得到用户i和用户j共同拥有某个兴趣标签的概率；
[0059] S33、将两用户对所有兴趣标签的共同拥有概率相加，并除WPi和Pj的范数的乘积 (优选2范数），得到一个归一化指标，即为用户i和用户j的兴趣相似度。
[0060] S4、根据离散地理位置相似度1^、在线时间相似度tyW及兴趣相似度hW计算 任意两个用户之间的差异距离dw。
[0061]任意两个用户之间的差异距离dw为该两用户间的离散地理位置相似度Iw、在线 时间相似度tww及兴趣相似度hW的一定权重的方差之和的开根号，具体计算公式如公 式（4)所示：
[0062] (4)
[006引式中a、P、丫表示权重，取值范围为[0, 1]，默认情况设置为1/3,a+P+丫 = 1， 可根据具体使用情况对权重进行调整。根据具体使用情况对权重进行调整可分为如下两种 情况：
[0064] 一种是系统自身设定权重比例，例如某移动社会网络系统在使用该方法时将离散 地理位置设定为首要因数，便可将权重比例调整为a= 0. 6、0 = 0. 2、丫 = 0. 2。
[00化]另一种是用户进行权重比例调整，例如某用户在查看推荐好友时，首选的是兴趣 相似度，便可将权重比例调整为a= 0. 1、0 = 0. 1、丫 = 0. 8。
[0066]L、于、豆分别表示离散地理位置相似度1^、在线时间相似度ti,斟及兴趣相似 度hw的均值，其具体计算公式分别如公式巧）、化）、（7)所示：
[0070]其中，n表示用户总数，N表示用户序列集合。
[0071]S5、选定目标用户，根据目标用户跟其他用户的差异距离向目标用户推荐好友候 选人。
[0072]该步骤具体为；选定目标用户，将目标用户与其他各个用户的差异距离按照从小 到大的规律进行排序，形成由小到大的差异距离序列，选取序列中前5%~10%的用户作 为推荐用户，将其推荐给目标用户作为好友候选人。
[0073]本领域的普通技术人员将会意识到，该里所述的实施例是为了帮助读者理解本发 明的原理，应被理解为本发明的保护范围并不局限于该样的特别陈述和实施例。本领域的 普通技术人员可W根据本发明公开的该些技术启示做出各种不脱离本发明实质的其它各 种具体变形和组合，该些变形和组合仍然在本发明的保护范围内。
【主权项】
1. 一种移动社会网络的好友推荐方法，其特征在于，包括以下步骤： 51、 导入用户地理位置日志文件，计算任意两个用户之间的离散地理位置相似度； 52、 导入用户在线时间日志文件，计算任意两个用户之间的在线时间相似度； 53、 导入用户兴趣标签日志文件，计算任意两个用户之间的兴趣相似度； 54、 根据离散地理位置相似度、在线时间相似度以及兴趣相似度计算任意两个用户之 间的差异距尚； 55、 选定目标用户，根据目标用户跟其他用户的差异距离向目标用户推荐好友候选人。2. 根据权利要求1所述的移动社会网络的好友推荐方法，其特征在于，所述步骤Sl中 用户地理位置日志由用户ID与用户活动的基站序号列表组成。3. 根据权利要求2所述的移动社会网络的好友推荐方法，其特征在于，所述步骤Sl包 括以下分步骤： 511、 导入任意两个用户活动的基站序号列表，计算两用户在各个基站出现的概率，形 成概率向量； 512、 计算两用户在某个基站共同出现的概率； 513、 将两用户在所有基站处共同出现的概率相加，并除以步骤Sll形成的概率向量的 范数的乘积，得到一个归一化指标，即为该两用户的离散地理位置相似度。4. 根据权利要求1所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S2中 用户在线时间日志由用户ID与用户在线时间段序号列表组成。5. 根据权利要求4所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S2包 括以下分步骤： 521、 导入任意两个用户的在线时间段序号列表，计算两用户在各个时间段在线的概 率，形成概率向量； 522、 计算两用户在某个时间段共同在线的概率； 523、 将两用户所有在线时间段的共同在线的概率相加，并除以步骤S21形成的概率向 量的范数的乘积，得到一个归一化指标，即为该两用户的在线时间相似度。6. 根据权利要求1所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S3中 用户兴趣标签日志由用户ID与兴趣标签序号列表组成。7. 根据权利要求6所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S3包 括以下分步骤： 531、 导入任意两个用户的兴趣标签序号列表，计算两用户拥有各个兴趣标签的概率， 形成概率向量； 532、 计算两用户共同拥有某个兴趣标签的概率； 533、 将两用户对所有兴趣标签的共同拥有概率相加，并除以步骤S31形成的概率向量 的范数的乘积，得到一个归一化指标，即为该两用户的兴趣相似度。8. 根据权利要求1所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S4中 任意两个用户之间的差异距离为该两用户间的离散地理位置相似度、在线时间相似度和兴 趣相似度的一定权重的方差之和的开根号。9. 根据权利要求1所述的移动社会网络的好友推荐方法，其特征在于，所述步骤S5具 体为：
【专利摘要】本发明公开了一种移动社会网络的好友推荐方法，包括以下步骤：S1、计算任意两个用户之间的离散地理位置相似度；S2、计算任意两个用户之间的在线时间相似度；S3、计算任意两个用户之间的兴趣相似度；S4、计算任意两个用户之间的差异距离；S5、选定目标用户，根据目标用户跟其他用户的差异距离向目标用户推荐好友候选人。本发明根据离散地理位置相似度、在线时间相似度和兴趣相似度，从多个维度上计算移动社会网络用户之间的差异距离，并根据差异距离划分同类型人群，可准确向目标用户推荐与之在空间、时间、兴趣上相似性较高的其它用户成为其好友候选人，可应用于好友推荐系统，向目标用户推送个性化好友推荐内容。
【IPC分类】G06F17/30, G06Q50/00
【公开号】CN104881459
【申请号】CN201510266444
【发明人】冷甦鹏, 王珊珊, 刘强, 张科
【申请人】电子科技大学
【公开日】2015年9月2日
【申请日】2015年5月22日