CN103475717A - 一种基于社交网络的好友推荐方法和系统 - Google Patents

Abstract

一种基于社交网络的好友推荐方法和系统，包括：提取用户与其他用户在社交网络中的互动信息，为每个用户构建一个互动成功好友组，并将与用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中；根据不同用户之间不同互动类型的成功互动数，计算用户和互动成功好友组中的每个好友之间的互动连接强度，并从中挑选出互动连接强度最大的前若干个好友，再分别计算所述若干个好友和与其有成功互动关系的其他用户之间的互动连接强度，最后将与所述若干个好友的互动连接强度最大的多个其他用户向所述用户推荐。本发明属于网络通信技术领域，能根据用户在社交网络中的互动行为来进行个性化的好友推荐。

Description

一种基于社交网络的好友推荐方法和系统

技术领域

本发明涉及一种基于社交网络的好友推荐方法和系统，属于网络通信技术领域。

背景技术

现有的很多用户空间中都具有增加偶像和好友的功能。但由于用户的交流圈子通常都是一个封闭的社交圈，若想要认识更多的好友，需要从网络中的海量用户中随机选取，从而花费了用户的大量精力、并限制了用户的交友范围。互联网用户倾向于通过推荐、评论、加关注等互动方式与好友进行交互，以表达自己的喜好，因此，如何根据用户之间的相互关系和互动行为进行好友推荐是一个重要的问题。

专利申请CN201110294483.7（专利名称：一种移动通讯工具中好友自动推荐的方法及装置，申请日：2011-09-30，申请人：奇智软件(北京)有限公司）提出了一种移动通讯工具中好友自动推荐的方法及装置。所述移动通讯工具以移动终端的手机号作为用户标识，使用户通过手机通讯网络或手机无线网络进行通讯，所述方法包括：获取用户通过移动通讯工具提交的针对社交网站或即时通讯工具的登录信息；依据所述登录信息从相应的社交网站或即时通讯工具的服务器端提取该用户的好友信息，所述好友信息包括互动信息；提取互动信息符合预设条件的好友，作为推荐好友，并在移动终端进行展示。该技术方案主要用于用户可以直接获取到其它社交网站或即时通讯工具上的好友的推荐，并不涉及到根据社交网络中的互动信息来为用户推荐更多的好友。

因此，如何根据用户在社交网络中的互动行为来进行个性化的好友推荐，仍是一个值得深入研究的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种基于社交网络的好友推荐方法和系统，能根据用户在社交网络中的互动行为来进行个性化的好友推荐。

为了达到上述目的，本发明提供了一种基于社交网络的好友推荐方法，包括有：

步骤1、提取用户与其他用户在社交网络中的互动信息，为每个用户构建一个互动成功好友组，并将与用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中，所述成功互动是用户对自己与其他用户之间的互动关系进行回应；

步骤2、根据不同用户之间不同互动类型的成功互动数，计算用户和互动成功好友组中的每个好友之间的互动连接强度，并从中挑选出互动连接强度最大的前若干个好友，再分别计算所述若干个好友和与其有成功互动关系的其他用户之间的互动连接强度，最后将与所述若干个好友的互动连接强度最大的多个其他用户向所述用户推荐。

为了达到上述目的，本发明还提供了一种基于社交网络的好友推荐系统，包括有：

互动好友组构建装置，用于提取每个用户与其他用户在社交网络中的互动信息，并为每个用户构建一个互动成功好友组，然后将与每个用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中，所述成功互动是用户对自己与其他用户之间的互动关系进行回应，同时根据不同用户之间不同互动类型的成功互动数，计算每个用户和其互动成功好友组中的每个好友之间的互动连接强度，按照互动连接强度从大到小的顺序对用户的互动成功好友组中的所有好友进行排序；

好友推荐装置，用于从每个用户的互动成功好友组中顺序挑选出若干个排序在前的好友，再分别从所述若干个好友的互动成功好友组中顺序挑选出多个其他用户向用户推荐。

与现有技术相比，本发明的有益效果是：本发明可以充分利用用户在社交网络中的互动数据，给用户推荐其可能喜欢的好友，从而扩大用户在社交网络中的交友范围；通过互动连接强度的计算，挑选到与用户相似性较高的好友，并继续寻找与好友相似性较高的其他用户向用户推荐，由于用户间的相似性具有自反性、对称性、非传递性的特点，因而本发明基于对称性和非传递性来进行好友的推荐,推荐好友更具有多样性；如果用户原本的社交圈较小，即与用户有成功互动关系的好友总数很少时，本发明还能通过互动强度的计算为用户推荐一定数量的互动活跃好友，从而进一步带动用户认识更多符合其个性的好友。

附图说明

图1是本发明一种基于社交网络的图书推荐方法流程图。

图2是图1步骤2的具体操作流程图。

图3是本发明一种基于社交网络的好友推荐系统的组成结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

如图1所示，本发明一种基于社交网络的好友推荐方法，包括有：

步骤1、提取用户与其他用户在社交网络中的互动信息，为每个用户构建一个互动成功好友组，并将与用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中；

所述成功互动是用户对自己与其他用户之间的互动关系进行回应，例如用户A对关注自己的用户B加关注、用户A阅读用户C推荐的图书、用户A阅读用户D赠送的图书、用户A阅读用户E借阅的图书等，则用户A和B、用户A和C、用户A和D、用户A和E存在有成功互动关系；所述互动类型可以包括但不限于：关注、推荐、赠送、借阅等；

步骤2、根据不同用户之间不同互动类型的成功互动数，计算用户和互动成功好友组中的每个好友之间的互动连接强度，并从中挑选出互动连接强度最大的前若干个好友，再分别计算所述若干个好友和与其有成功互动关系的其他用户之间的互动连接强度，最后将与所述若干个好友的互动连接强度最大的多个其他用户向所述用户推荐。

所述步骤2中，不同用户之间（例如用户和好友、好友和与其有成功互动关系的其他用户）的互动连接强度的计算公式如下：

$\mathrm{Linkage}\_\mathrm{strength}(j,k)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{strength}\_\mathrm{weight}\left(i\right)\×\mathrm{linkage}\_\mathrm{count}(i,j,k),$ 其中，Linkage_strength（j,k）是用户j和用户k之间的互动连接强度；由于用户之间可能存在有多种类型的互动行为（如关注、推荐、赠送），因此，strength_weight(i)是第i种互动类型的互动连接强度贡献权重，可以根据业务特征对不同的互动类型设置不同的值，也可以根据后期互动效果来动态设置不同的值；linkage_count（i,j,k）是用户j和用户k之间第i种互动类型的成功互动数，例如：用户A阅读了用户C推荐的图书B1和B2，那么，用户A和用户C之间互动类型为“推荐”的成功互动数是2；inter_type是互动类型总数。互动连接强度表明了用户之间的相互连接关系的强度，其值越大，表明两个用户之间的互动关系越频繁，互动的成功率越高，同时也从一个方面说明两个用户的相似性较高。用户间的相似性具有自反性、对称性，但是不满足传递性的特点，因而可以基于对称性和非传递性来进行好友的推荐。

如图2所示，所述步骤2中，进一步包括有：

步骤21、分别计算用户和互动成功好友组中的每个好友之间的互动连接强度，并按照互动连接强度从大到小的顺序对互动成功好友组中所有好友进行排序；

步骤22、从互动成功好友组中挑选出排序最前的一个好友；

步骤23、计算所述挑选的好友和与其有成功互动关系的其他用户之间的互动连接强度，并选出与所述挑选的好友的互动连接强度最大的前n个其他用户，如果所述n个其他用户中包含有所述用户，则从所述n个其他用户中剔除掉所述用户后，再将所述其他用户向所述用户推荐，所述n是每个好友的推荐最大数，n的值可以根据业务实际需要来设置；

步骤24、调整n：n=n-1，并判断n是否大于0？如果是，则继续步骤25；如果否，则本流程结束；

步骤25、判断所述挑选的好友是否排在互动成功好友组中的最后一个？如果是，则继续步骤26；如果否，则继续从互动成功好友组中顺序挑选出排在下一个的好友，然后转向步骤23；

步骤26、计算好友推荐总数N：

步骤27、计算已向所述用户推荐的其他用户的总数，并判断好友推荐总数和已向所述用户推荐的其他用户的总数之差c是否大于0？如果是，则继续步骤28；如果否，则本流程结束；

步骤28、根据用户在不同互动类型的成功互动数，计算除所述用户、和已向所述用户推荐的其他用户之外的每个用户的互动强度，然后将互动强度最大的前c个用户向所述用户推荐，所述c是好友推荐总数N和已向所述用户推荐的其他用户的总数之差。

所述步骤28中，每个用户的互动强度的计算公式如下：

$\mathrm{inter}\_\mathrm{strength}\left(m\right)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{inter}\_\mathrm{weight}\left(i\right)\×\mathrm{inter}\_\mathrm{count}(i,m),$ 其中，inter_strength(m)是用户m的互动强度，inter_weight(i)是第i种互动类型的互动强度贡献权重，可以根据业务特征针对不同的互动类型来设置不同的值，也可以根据后期互动效果来动态设置不同的值，例如inter_weight(i)=1；inter_count(i,m)是用户m在第i种互动类型的成功互动数，例如：用户m阅读了用户C和用户D分别推荐的图书B3和B4，那么，用户m在互动类型为“推荐”的成功互动数是2；inter_type是互动类型总数。

例如对于用户A，计算用户A和与A有成功互动关系的所有好友之间的互动连接强度，并挑选出互动连接强度排序最前的用户B，然后计算用户B和与B有成功互动关系的所有好友之间的互动连接强度，将和用户B的互动连接强度最大的前10（即n）个用户（不含用户A）推荐给用户A；继续挑选出用户A的互动连接强度排序第2的用户C，将和用户C之间的互动连接强度最大的前9个用户（不含用户A）推荐给用户A；以此类推，直至挑选出用户A的互动连接强度排序第10的用户，将和其之间的互动连接强度最大的1个用户推荐给用户A。根据此方法，可以根据和用户之间的互动连接强度的大小，对每个用户推荐55个用户。如果与用户A有成功互动关系的好友总数偏少时，则继续采用互动强度来为用户推荐一定数量的好友。

如图3所示，本发明一种基于社交网络的好友推荐系统，包括有：

互动好友组构建装置，用于提取每个用户与其他用户在社交网络中的互动信息，并为每个用户构建一个互动成功好友组，然后将与每个用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中，所述成功互动是用户对自己与其他用户之间的互动关系进行回应，同时根据不同用户之间不同互动类型的成功互动数，计算每个用户和其互动成功好友组中的每个好友之间的互动连接强度，按照互动连接强度从大到小的顺序对用户的互动成功好友组中的所有好友进行排序；

好友推荐装置，用于从每个用户的互动成功好友组中顺序挑选出若干个排序在前的好友，再分别从所述若干个好友的互动成功好友组中顺序挑选出多个其他用户向用户推荐。

所述互动好友组构建装置中，不同用户之间的互动连接强度的计算公式如下：

$\mathrm{Linkage}\_\mathrm{strength}(j,k)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{strength}\_\mathrm{weight}\left(i\right)\×\mathrm{linkage}\_\mathrm{count}(i,j,k),$ 其中，Linkage_strength（j,k）是用户j和用户k之间的互动连接强度；strength_weight(i)是第i种互动类型的互动连接强度贡献权重；linkage_count（i,j,k）是用户j和用户k之间第i种互动类型的成功互动数；inter_type是互动类型总数。

所述好友推荐装置进一步包括有：

互动好友推荐单元，用于通知互动好友组构建装置为用户构建一个互动成功好友组，并从用户的互动成功好友组中挑选出排序最前的一个好友，再通知互动好友组构建装置为所述挑选的好友构建一个互动成功好友组，然后从所述挑选的好友的互动成功好友组中选出排序最前的n个其他用户，如果所述n个其他用户中包含有所述用户，则从所述n个其他用户中剔除掉所述用户后，再将所述其他用户向所述用户推荐，所述n是每个好友的推荐最大数，最后调整n：n=n-1，如果调整后的n大于0、且所述挑选的好友不是排在用户的互动成功好友组中的最后一个时，则继续从用户的互动成功好友组中顺序挑选出排在下一个的好友。

所述互动好友推荐单元还可以进一步包括有：

好友推荐通知部件，用于当调整后的n大于0、且所述挑选的好友排在互动成功好友组中的最后一个时，计算用户的好友推荐总数N：

，并判断好友推荐总数和互动好友推荐单元已向用户推荐的其他用户的总数之差c是否大于0，如果是，则发送通知消息给交互好友推荐单元，所述通知消息中携带有互动好友推荐单元已向用户推荐的其他用户、以及用户的好友推荐总数和互动好友推荐单元已向用户推荐的其他用户的总数之差c，

所述好友推荐装置还包括有：

交互好友推荐单元，用于接收好友推荐通知部件发送来的通知消息，根据用户在不同互动类型的成功互动数，计算除所述用户、和已向所述用户推荐的其他用户之外的每个用户的互动强度，然后将互动强度最大的前c个用户向所述用户推荐。

所述交互好友推荐单元中，每个用户的互动强度的计算公式如下：

$\mathrm{inter}\_\mathrm{strength}\left(m\right)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{inter}\_\mathrm{weight}\left(i\right)\×\mathrm{inter}\_\mathrm{count}(i,m),$ 其中，inter_strength(m)是用户m的互动强度，inter_weight(i)是第i种互动类型的互动强度贡献权重，inter_count(i,m)是用户m在第i种互动类型的成功互动数，inter_type是互动类型总数。

上述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种基于社交网络的好友推荐方法，其特征在于，包括有：

步骤1、提取用户与其他用户在社交网络中的互动信息，为每个用户构建一个互动成功好友组，并将与用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中，所述成功互动是用户对自己与其他用户之间的互动关系进行回应；

步骤2、根据不同用户之间不同互动类型的成功互动数，计算用户和互动成功好友组中的每个好友之间的互动连接强度，并从中挑选出互动连接强度最大的前若干个好友，再分别计算所述若干个好友和与其有成功互动关系的其他用户之间的互动连接强度，最后将与所述若干个好友的互动连接强度最大的多个其他用户向所述用户推荐。

2.根据权利要求1所述的方法，其特征在于，步骤2中，不同用户之间的互动连接强度的计算公式如下：

$\mathrm{Linkage}\_\mathrm{strength}(j,k)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{strength}\_\mathrm{weight}\left(i\right)\×\mathrm{linkage}\_\mathrm{count}(i,j,k),$ 其中，Linkage_strength（j,k）是用户j和用户k之间的互动连接强度；strength_weight(i)是第i种互动类型的互动连接强度贡献权重；linkage_count（i,j,k）是用户j和用户k之间第i种互动类型的成功互动数；inter_type是互动类型总数。

3.根据权利要求1所述的方法，其特征在于，步骤2进一步包括有：

步骤21、分别计算用户和互动成功好友组中的每个好友之间的互动连接强度，并按照互动连接强度从大到小的顺序对互动成功好友组中所有好友进行排序；

步骤22、从互动成功好友组中挑选出排序最前的一个好友；

步骤23、计算所述挑选的好友和与其有成功互动关系的其他用户之间的互动连接强度，并选出与所述挑选的好友的互动连接强度最大的前n个其他用户，如果所述n个其他用户中包含有所述用户，则从所述n个其他用户中剔除掉所述用户后，再将所述其他用户向所述用户推荐，所述n是每个好友的推荐最大数。

4.根据权利要求3所述的方法，其特征在于，步骤2还包括有：

步骤24、调整n：n=n-1，并判断n是否大于0，如果是，则继续步骤25；如果否，则本流程结束；

步骤25、判断所述挑选的好友是否排在互动成功好友组中的最后一个，如果否，则继续从互动成功好友组中顺序挑选出排在下一个的好友，然后转向步骤23。

5.根据权利要求4所述的方法，其特征在于，步骤25中，当所述挑选的好友排在互动成功好友组中的最后一个时，还包括有：

步骤26、计算好友推荐总数N：

步骤27、计算已向所述用户推荐的其他用户的总数，并判断好友推荐总数和已向所述用户推荐的其他用户的总数之差c是否大于0，如果是，则继续步骤28；如果否，则本流程结束；

步骤28、根据用户在不同互动类型的成功互动数，计算除所述用户、和已向所述用户推荐的其他用户之外的每个用户的互动强度，然后将互动强度最大的前c个用户向所述用户推荐。

6.根据权利要求5所述的方法，其特征在于，所述步骤28中，每个用户的互动强度的计算公式如下：

$\mathrm{inter}\_\mathrm{strength}\left(m\right)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{inter}\_\mathrm{weight}\left(i\right)\×\mathrm{inter}\_\mathrm{count}(i,m),$ 其中，inter_strength(m)是用户m的互动强度，inter_weight(i)是第i种互动类型的互动强度贡献权重；inter_count(i,m)是用户m在第i种互动类型的成功互动数；inter_type是互动类型总数。

7.一种基于社交网络的好友推荐系统，其特征在于，包括有：

互动好友组构建装置，用于提取每个用户与其他用户在社交网络中的互动信息，并为每个用户构建一个互动成功好友组，然后将与每个用户有成功互动关系的其他用户划分到所述用户的互动成功好友组中，所述成功互动是用户对自己与其他用户之间的互动关系进行回应，同时根据不同用户之间不同互动类型的成功互动数，计算每个用户和其互动成功好友组中的每个好友之间的互动连接强度，按照互动连接强度从大到小的顺序对用户的互动成功好友组中的所有好友进行排序；

好友推荐装置，用于从每个用户的互动成功好友组中顺序挑选出若干个排序在前的好友，再分别从所述若干个好友的互动成功好友组中顺序挑选出多个其他用户向用户推荐。

8.根据权利要求7所述的系统，其特征在于，所述互动好友组构建装置中，不同用户之间的互动连接强度的计算公式如下：

$\mathrm{Linkage}\_\mathrm{strength}(j,k)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{strength}\_\mathrm{weight}\left(i\right)\×\mathrm{linkage}\_\mathrm{count}(i,j,k),$ 其中，Linkage_strength（j,k）是用户j和用户k之间的互动连接强度；strength_weight(i)是第i种互动类型的互动连接强度贡献权重；linkage_count（i,j,k）是用户j和用户k之间第i种互动类型的成功互动数；inter_type是互动类型总数。

9.根据权利要求7所述的系统，其特征在于，所述好友推荐装置进一步包括有：

互动好友推荐单元，用于通知互动好友组构建装置为用户构建一个互动成功好友组，并从用户的互动成功好友组中挑选出排序最前的一个好友，再通知互动好友组构建装置为所述挑选的好友构建一个互动成功好友组，然后从所述挑选的好友的互动成功好友组中选出排序最前的n个其他用户，如果所述n个其他用户中包含有所述用户，则从所述n个其他用户中剔除掉所述用户后，再将所述其他用户向所述用户推荐，所述n是每个好友的推荐最大数，最后调整n：n=n-1，如果调整后的n大于0、且所述挑选的好友不是排在用户的互动成功好友组中的最后一个时，则继续从用户的互动成功好友组中顺序挑选出排在下一个的好友。

10.根据权利要求9所述的系统，其特征在于，所述互动好友推荐单元还包括有：

好友推荐通知部件，用于当调整后的n大于0、且所述挑选的好友排在互动成功好友组中的最后一个时，计算用户的好友推荐总数N：

，并判断好友推荐总数和互动好友推荐单元已向用户推荐的其他用户的总数之差c是否大于0，如果是，则通知好友推荐装置的其他内部单元，所述通知消息中携带有互动好友推荐单元已向用户推荐的其他用户、以及用户的好友推荐总数和互动好友推荐单元已向用户推荐的其他用户的总数之差c。

11.根据权利要求10所述的系统，其特征在于，所述好友推荐装置还包括有：

交互好友推荐单元，用于接收好友推荐通知部件发送来的通知消息，根据用户在不同互动类型的成功互动数，计算除所述用户、和已向所述用户推荐的其他用户之外的每个用户的互动强度，然后将互动强度最大的前c个用户向所述用户推荐。

12.根据权利要求11所述的系统，其特征在于，所述交互好友推荐单元中，每个用户的互动强度的计算公式如下：

$\mathrm{inter}\_\mathrm{strength}\left(m\right)=\underset{i=1}{\overset{\mathrm{inter}\_\mathrm{type}}{\mathrm{\Σ}}}\mathrm{inter}\_\mathrm{weight}\left(i\right)\×\mathrm{inter}\_\mathrm{count}(i,m),$ 其中，inter_strength(m)是用户m的互动强度，inter_weight(i)是第i种互动类型的互动强度贡献权重，inter_count(i,m)是用户m在第i种互动类型的成功互动数，inter_type是互动类型总数。

Images