CN105740342A - 一种基于社会关系主题模型的社交网络朋友推荐方法 - Google Patents

Abstract

本发明公开一种基于社会关系主题模型的社交网络朋友推荐方法，通过获取用户发表的状态提取用户的关键词文档；获取用户的网络关系提取用户的社交关系文档；利用社会化关系主题模型，根据用户关键词文档和社交关系文档，学习用户的主题兴趣和在线建立社交关系的行为模式；然后根据用户的主题兴趣和在线建立社交关系的行为模式，为用户推荐潜在的朋友，并以关键词和舆论领袖阐释推荐依据，从而实现了准确地挖掘出社交网络平台上用户的主题兴趣并根据主题兴趣为用户推荐朋友。

Description

一种基于社会关系主题模型的社交网络朋友推荐方法

技术领域

本发明涉及互联网产品的信息推荐技术领域，具体涉及一种基于社会关系主题模型的社交网络朋友推荐方法。

背景技术

随着互联网技术与在线社交网络的快速发展，从大量的用户生成内容(User-generatedContent，简称UGC)和丰富的用户社交关系信息中挖掘用户的主题兴趣，逐渐在线市场营销技术的重要组成。

用户生成内容泛指以任何形式在网络上发表的由用户创作的文字、图片、音频、视频等内容，本发明主要针对用户在社交网络平台上发表的文本状态信息进行分析，比如用户发表的微博，博客和论文等。并将这些文本信息与用户的社交网络进行结合，综合分析用户在社交网络平台上所隐含着的主题兴趣。

近年来，许多基于传统文本分析的主题模型(比如PLSA、LDA等)被改进并应用到社交网络场景中，如Link-LDA、RTM和RankTopic。这些模型大多假设用户在社交网络中产生的关系，都是基于用户主题兴趣的。然而，实际情况是，随着社交网络平台的商业影响力的不断提升，大量的非主题因素(如名人效应，广告营销)产生的社交关系充斥着在线社交网络。传统的主题模型(如PLSA、LDA)，通常只考虑文本内容，而不能处理用户的社交关系。即便是最近的一些结合了文本关系的主题模型(Link-LDA、RTM和RankTopic)，由于没有考虑用户社交关系产生原因中的非主题因素，这些方法在也很难准确地挖掘出社交网络平台上用户的主题兴趣。

发明内容

本发明着眼于克服上述的技术缺陷，提出一种基于社会关系主题模型的社交网络朋友推荐方法，其可以综合利用用户在社交网络平台上发表的状态和用户的社交网络关系，准确分析用户主题兴趣及在线建立社会关系行为模式，学习用户主题兴趣分布，挖掘用户的主题兴趣，并利用相关学习到的模型参数进行朋友推荐，使得在社交网络平台上进行朋友推荐更加符合用户的需要。

本发明是这样实现的，一种基于社会关系主题模型的社交网络朋友推荐方法，包括以下步骤：

S1，收集用户在社交平台上发表的状态，利用词袋法为每个用户建立一个用户关键词文档；

S2，获取用户的线上社交网络关系，为每个用户建立一个用户社交关系文档；

S3，将用户关键词文档和社交关系文档作为输入数据，利用社会关系主题模型学习每个输入用户的主题兴趣和在线建立社交关系的行为模式；

S4，根据社会关系主题模型参数的学习结果，挖掘数据集合中蕴含的主题信息，为各个主题挖掘出相关的关键词和舆论领袖；

S5，根据用户的主题兴趣和用户在线建立社交关系的行为模式，为用户推荐潜在的朋友，并以相关主题的关键词和舆论领袖阐释推荐依据。

本发明利用用户发表的状态信息和社交关系信息，挖掘用户的主题兴趣分布，引入了社会关系主题模型学习分析用户的主题兴趣与在线建立社交关系的行为模式，并根据用户的主题兴趣与在线建立社交关系的行为模式，为用户推荐潜在的朋友，使得算法在为用户推荐朋友时能够综合考虑用户兴趣、在线建立社交关系的行为模式以及推荐结果可理解性等多方面因素，推荐结果更符合用户的需要，并具有可理解性。

本发明不仅可以被用来进行基于在线社交网络的朋友推荐，还可用于挖掘社交媒体上具体用户的主题兴趣，社交网络的主题以及各个主题下的舆论领袖和主题关键词。

本发明能够综合利用用户生成文本信息和社交网络的分析，比较全面的分析出社交网络上各个用户的主题兴趣，并且利用文本关键词和社交网络中的舆论领袖来直观的阐释用户的主题兴趣。

附图说明

图1是本发明实施例提供的基于社会关系主题模型的社交网络朋友推荐方法的流程图；

图2是本发明实施例提供的社交关系主题模型SRM的图模型表示；

图3是本发明的社交关系主题模型SRM在主题个数分别给定(k＝32,k＝64)的前提下进行朋友推荐的平均精确度MAP性能展示；

图4是本发明的社交关系主题模型SRM与其他模型基于新浪微博数据进行朋友推荐任务的AUC指标展示。

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明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明基于社会关系主题模型的社交网络朋友推荐方法，主要是基于文本挖掘中的主题模型提出一种社会关系主题模型，通过将用户发表状态的信息和社交关系数据进行主题建模，为每个用户u学习一个k维特征主题向量θ_u，同时为每个主题z(总共k个主题)，分别学习到一个n维的关键词分布向量ω_z和一个m维的舆论领袖分布向量然后基于学习到的上述参数，构建一个综合考虑用户主题兴趣和社交行为模式的朋友推荐系统，从而实现用户主题兴趣和行为模式进行朋友的推荐。

参见图1所示，所述基于社会关系主题模型的社交网络朋友推荐方法，包括以下步骤：

步骤S1，收集用户在社交平台上发表的状态，如微博文本、博客、论文摘要等，利用词袋法，为每个用户建立一个用户关键词文档，每个文档表示为一个词频向量其中w_u,i∈W表示关键词表中第i个关键词在第u个用户关键词文档中出现的次数；

步骤S2，获取用户相关的线上社交网络关系，如微博上的关注关系，论文的联合作者关系等，为每个用户建立一个用户社交关系文档，其中s_u,j∈G表示第u个用户与第j个用户存在社交联系；

步骤S3，将用户关键词文档和社交关系文档作为输入数据，利用社会关系主题模型，学习每个输入用户的主题兴趣分布和其在线建立社交关系的行为模式；

步骤S4，根据社会关系主题模型参数的学习结果，挖掘整个数据集合中蕴含的主题信息，为各个主题挖掘出相关的关键词和舆论领袖；

步骤S5，根据社会关系主题模型学习到的用户的主题兴趣和其在线建立社交关系的行为模式，为其推荐潜在的朋友，并以相关主题的关键词和舆论领袖阐释推荐依据。

本发明通过建立社会关系主题模型，结合用户在社交网络平台上的生成内容—发表的状态信息和用户的社交网络关系，挖掘用户在社交网络上的主题兴趣，同时分析用户在社交网络上建立社会连接关系的原因及用户在线建立社会关系的行为模式，为用户推荐潜在的朋友，且利用学习到的用户主题兴趣分布向量可以用主题相关的关键词及舆论领袖来更好的解释，使得在社交网络平台上的推荐结果更符合用户的需要，并具有可理解性。

本发明中，该社会关系主题模型观测变量，即用户关键词文档集合W_m×n和用户社交关系数据集合G_m×m假设可以是由以下过程生成：

1)从狄利克雷分布Dir(∈)中采样一个m维的向量π，作为m个用户在社交网络中的受欢迎程度；

2)对于每个主题z：

a)从狄利克雷分布Dir(β)中采样一个n维的向量ω_z，作为n个关

键词对于主题z的从属度；

b)从狄利克雷分布Dir(δ)中采样一个m维的向量作为m个用户对于主题z的从属度；

3)对于每个用户u：

a)从狄利克雷分布Dir(α)中采样一个k维向量θ_u，作为用户u的

主题分布向量；

b)对用户u关键文档中的每个关键词；

Ⅰ)从多项分布Mult(θ_u)中采样一个值z作为当前关键词的主题；

Ⅱ)根据多项分布Mult(ω_z)采样得到单词w_u,i；

4)对于每个用户u：

b)对用户u社交关系文档中的每个关系s_u,v；

Ⅰ)从伯努力分布Ber(σ(ρ_uv))中采样一个开关值μ，其中

σ(x)＝1/(1+e^-x)；

Ⅱ)如果μ＝1：

ⅰ)从多项分布Mult(θ_u⊙θ_v)中采样一个值z作为当前关系的主题；

ⅱ)根据多项分布采样得到关系s_u,v；

否则：根据多项分布Mult(π)采样得到关系s_u,v。

本发明中，为了方便表达，用变量集合表示社会关系主题模型中的待学习参数，为社会关系主题模型中根据实际经验及数据人工指定的先验参数，则所述的社会关系主题模型的观测变量W和G产生过的似然目标函数可表示为：

由于上述似然目标函数中待学习参数间存在着耦合关系，上述目标函数参数不能直接通过梯度下降最大似然的方法进行学习。

因此，本发明设计了一种基于吉布斯采样的迭代算法，来近似求解上述的社会关系主题模型中的待学习的参数，具体过程如下：

1)初始化一个m维的0向量π，一个k×m维的0矩阵ω，一个k×m维的0矩阵一个n×k维的0矩阵θ，一个k维的0向量C^txt,一个k维的0向量C^lnk；

2)对于每个用户u：

a)对用户u关键文档中的每个关键词w_u,i；

Ⅰ)在[1,k]的整数区间内随机采样一个值z作为当前关键词的主题；

Ⅱ)θ_u,z加1，加1，加1；

b)对用户u社交关系文档中的每个关系s_u,v；

Ⅰ)在[0,1]的整数区间内随机采样一个值μ作为当前关系的产生原因，γ_u,v＝μ；

Ⅱ)如果μ＝＝1：

ⅰ)在[1,k]的整数区间内随机采样一个值z作为当前关系产生的主题因素；

ⅱ)θ_u,z加1，加1，加1；

否则：相关联的用户v的热门程度π_v加1；

3)对于每个用户u：

a)对用户u关键文档中的每个关键词w_u,i；

Ⅰ)以关键w_u,i当前主题值z为线索，分别执行θ_u,z减1，减1，减1；

Ⅱ)以概率分布：

$p(z_{u,i}=t|\mathrm{\α},\mathrm{\β})\∝\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\Σ}_{i=1}^k{\mathrm{\θ}}_{u,i}}\×\frac{{\mathrm{\ω}}_{t,w_{u,i}}+\mathrm{\β}}{m\·\mathrm{\β}+C_t^{txt}}$

采样一个新的主题值z作为当前关键词w_u,i的主题；

Ⅲ)θ_u,z加1，加1，加1；

b)对用户u社交关系文档中的每个关系s_u,v；

Ⅰ)如果γ_u,v＝＝0：π_v减1；

否则：以s_u,v当前主题值z为线索，进行θ_u,z减1，减1，减1；

Ⅱ)以概率分布：

$p\left(\mathrm{\μ}\right|{\mathrm{\θ}}_u,{\mathrm{\θ}}_v)\∝Ber\left(sigmoid\right({\Σ}_{t=1}^k\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\Σ}_{i=1}^k{\mathrm{\θ}}_{u,i}}\×\frac{{\mathrm{\θ}}_{v,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\Σ}_{i=1}^k{\mathrm{\θ}}_{u,i}}\left)\right)$

在[0,1]的整数区间内采样一个值μ作为s_u,v的产生原因；

Ⅲ)如果μ＝＝1：

ⅰ)以概率分布：采样一个新的主题值z作为当s_u,v的主题；

ⅱ)θ_u,z加1，加1，加1；

否则：

ⅰ)相关联的用户v的热门程度π_v加1；

ⅱ)如果γ_u,v＝＝1：

以s_u,v当前主题值z为线索，进行θ_u,z加1，加1，加1；

Ⅳ)γ_u,v＝μ；

4)反复执行2)直到各个采样概率分布收敛，或者到达指定的迭代次数；

5)用以下归一化公式计算得到模型参数的估计

$\widetilde{{\mathrm{\θ}}_{u,t}}=\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\Σ}_{i=1}^k{\mathrm{\θ}}_{u,i}}$

${\widetilde{\mathrm{\ω}}}_{t,i}=\frac{{\mathrm{\ω}}_{t,i}+\mathrm{\β}}{m\·\mathrm{\β}+C_t^{txt}}$

$\widetilde{{\mathrm{\π}}_v}=\frac{{\mathrm{\π}}_v}{{\Σ}_{j=1}^m{\mathrm{\π}}_j}$

具体实现上，所述步骤S5的具体实施过程可以采用如下方案进行：

1)对于一个给定用u计算他跟任意其他用户v是朋友的概率：

2)根据P(u,v)值从大到小，对用户u的潜在朋友集合进行排序；

3)选择排序结果中前n用户作为用户u的潜在朋友集合S_u；

4)根据各个主题下关键词的分布ω对各个主题下的关键词按对主题的从属度，从大到小进行排序；

5)根据各个主题下舆论领袖的分布对各个主题下的用户按对主题的从属度，从大到小进行排序；

6)根据潜在朋友集合S_u中，每个用户的主题分布向量的值，按从大到小顺序，排序每个用户的主题；

7)将潜在朋友集合S_u及S_u中每个用户中前m个主题相关的前k个关键词和前t个舆论领袖，一起返回给用户u。

为了更清晰的阐述本发明的实施过程，基于社交关系主题模型SRM在新浪微博数据上进行朋友推荐实验。以下表1是利用社交关系主题模型从新浪微博数据中挖掘到的用关键词和舆论领袖为表示的主题样例。每个主题选择展示相关性有大到小的前9个关键词和前3个微博用户。

表1

并将本发明的社会关系主题模型与传统模型，即矩阵分解(MF)、狄利克雷分配(LDA)、连接关系的狄利克雷分配(Link-LDA)、关注关系的狄利克雷分配(FLDA)等模型在MAP指标上进行比较，比较数据结果如下表2所示。

表2

通过图3、图4以及表2所示，可以看出，基于本发明提出模型的朋友推荐与之前的一些方法相比，在MAP、AUC等指标上获得了明显的改进。

以上所述的具体实施例，对本发明的目的、技术方案和效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，包括以下步骤：

S1，收集用户在社交平台上发表的状态，利用词袋法为每个用户建立一个用户关键词文档；

S2，获取用户的线上社交网络关系，为每个用户建立一个用户社交关系文档；

S3，将用户关键词文档和社交关系文档作为输入数据，利用社会关系主题模型学习每个输入用户的主题兴趣和在线建立社交关系的行为模式；

S4，根据社会关系主题模型参数的学习结果，挖掘数据集合中蕴含的主题信息，为各个主题挖掘出相关的关键词和舆论领袖；

S5，根据用户的主题兴趣和用户在线建立社交关系的行为模式，为用户推荐潜在的朋友，并以相关主题的关键词和舆论领袖阐释推荐依据。

2.根据权利要求1所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，所述用户在社交平台上发表的状态为用户在社交平台上发表的文本状态。

3.根据权利要求1或2所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，

所述用户关键词文档中的每个文档表示为一个词频向量 $d_u^{txt}:=$ $\[w_{u,1},w_{u,2},...,w_{u,n}\],$

其中w_u，i∈W表示用户关键词文档中第i个关键词在第u个用户关键词文档中出现的次数；

所述用户社交关系文档中每个文档表示表示为一个向量 $d_u^{\ln k}:=$ $\[s_{u,1},s_{u,2},...,s_{u,m}\],$

其中s_u，j∈G表示第u个用户与第j个用户存在社交联系。

4.根据权利要求3所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，

所述社交关系主题模型的观测变量，即用户关键词文档集合W_m×n和用户社交关系数据集合G_m×m由以下过程生成：

1)从狄利克雷分布Dir(∈)中采样一个m维的向量π，作为m个用户在社交网络中的受欢迎程度；

2)对于每个主题z：

a)从狄利克雷分布Dir(β)中采样一个n维的向量ω_z，作为n个关键词对于主题z的从属度；

b)从狄利克雷分布Dir(δ)中采样一个m维的向量作为m个用户对于主题z的从属度；

3)对于每个用户u：

a)从狄利克雷分布Dir(α)中采样一个k维向量θ_u，作为用户u的主

题分布向量；

b)对用户u关键文档中的每个关键词；

I)从多项分布Mult(θ_u)中采样一个值z作为当前关键词的主题；

II)根据多项分布Mult(ω_z)采样得到单词w_u，i；

4)对于每个用户u：

a)对用户u社交关系文档中的每个关系s_u，v；

I)从伯努力分布Ber(σ(ρ_uv))中采样一个开关值μ，其中

${\mathrm{\ρ}}_{uv}={\mathrm{\θ}}_u\·{\mathrm{\θ}}_v^T,\mathrm{\σ}\left(x\right)=1/(1+e^{-x});$

II)如果μ＝1：

i)从多项分布Mult(θ_u⊙θ_v)中采样一个值z作为当前关系的主题；

ii)根据多项分布采样得到关系s_u，v；

否则：

i)根据多项分布Mult(π)采样得到关系s_u，v。

5.根据权利要求4所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，

所述社交关系主题模型的观测变量的似然目标函数为：

其中，为社交关系主题型中的待学习参数，为模型的先验参数。

6.根据权利要求5所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，

所述社交关系主题模型的待学习参数利用基于吉布斯采样的迭代过程自动学习。

7.根据权利要求6所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，

所述基于吉布斯采样的迭代过程自动学习的步骤如下：

1)初始化一个m维的0向量π，一个k×m维的0矩阵ω，一个k×m维的0矩阵一个n×k维的0矩阵θ，一个k维的0向量C^txt，一个k维的0向量C^lnk；

2)对于每个用户u：

a)对用户u关键文档中的每个关键词w_u，i；

I)在[1，k]的整数区间内随机采样一个值z作为当前关键词的主题；

II)θ_u，z加1，加1，加1；

b)对用户u社交关系文档中的每个关系s_u，v；

I)在[0，1]的整数区间内随机采样一个值μ作为当前关系的产生原因，γ_u，v＝μ；

II)如果μ＝＝1：

i)在[1，k]的整数区间内随机采样一个值z作为当前关系产生的主题因素；

ii)θ_u，z加1，加1，加1；

否则：

i)相关联的用户v的热门程度π_v加1；

3)对于每个用户u：

a)对用户u关键文档中的每个关键词w_u，i；

I)以关键w_u，i当前主题值z为线索，分别执行θ_u，z减1，减1，减1；

II)以概率分布：

$p(z_{u,i}=t|\mathrm{\α},\mathrm{\β})\∝\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\mathrm{\Σ}}_{i=1}^k{\mathrm{\θ}}_{u,i}}\×\frac{{\mathrm{\ω}}_{t,w_{u,i}}+\mathrm{\β}}{m\·\mathrm{\β}+C_t^{txt}}$

采样一个新的主题值z作为当前关键词w_u，i的主题；

III)θ_u，z加1，加1，加1；

b)对用户u社交关系文档中的每个关系s_u，v；

I)如果γ_u，v＝＝0：

π_v减1；

否则：

以s_u，v当前主题值z为线索，进行θ_u，z减1，减1，减1；

II)以概率分布：

$p\left(\mathrm{\μ}|{\mathrm{\θ}}_u,{\mathrm{\θ}}_v\right)\∝Ber\left(sigmoid\left({\mathrm{\Σ}}_{t=1}^k\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\mathrm{\Σ}}_{i=1}^k{\mathrm{\θ}}_{u,i}}\×\frac{{\mathrm{\θ}}_{v,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\mathrm{\Σ}}_{i=1}^k{\mathrm{\θ}}_{u,i}}\right)\right)$

在[0，1]的整数区间内采样一个值μ作为s_u，v的产生原因；

III)如果μ＝＝1：

i)以概率分布：采样一个新的主题值z作为当s_u，v的主题；

ii)θ_u，z加1，加1，加1；

否则：

i)相关联的用户v的热门程度π_v加1；

ii)如果γ_u，v＝＝1：

以s_u，v当前主题值z为线索，进行θ_u，z加1，加1，加1；

IV)γ_u，v＝μ；

4)反复执行2)直到各个采样概率分布收敛或到达指定的迭代次数；

5)用以下归一化公式计算得到模型参数的估计

$\widetilde{{\mathrm{\θ}}_{u,t}}=\frac{{\mathrm{\θ}}_{u,t}+\mathrm{\α}}{k\·\mathrm{\α}+{\mathrm{\Σ}}_{i=1}^k{\mathrm{\θ}}_{u,i}}$

${\widetilde{\mathrm{\ω}}}_{t,i}=\frac{{\mathrm{\ω}}_{t,i}+\mathrm{\β}}{m\·\mathrm{\β}+C_t^{txt}}$

$\widetilde{{\mathrm{\π}}_v}=\frac{{\mathrm{\π}}_v}{{\mathrm{\Σ}}_{j=1}^n{\mathrm{\π}}_j}.$

8.根据权利要求7所述基于社会关系主题模型的社交网络朋友推荐方法，其特征在于，所述推荐潜在朋友并以关键词和舆论领袖阐释推荐依据的方法包含以下步骤：

计算给定用户u跟其他用户v是朋友的概率P(u，v)：

根据P(u，v)值从大到小，对用户u的潜在朋友集合进行排序；

选择排序结果中前n个用户作为用户u的潜在朋友集合S_u；

根据各个主题下关键词的分布ω对各个主题下的关键词按对主题的从属度，从大到小进行排序；

根据各个主题下舆论领袖的分布对各个主题下的用户按对主题的从属度，从大到小进行排序；

根据潜在朋友集合S_u中，每个用户的主题分布向量的值，按从大到小顺序，排序每个用户的主题；

将潜在朋友集合S_u及S_u中每个用户中前m个主题相关的前k个关键词和前t个舆论领袖一起返回给用户u。