CN109144494B

CN109144494B - 个性化网络人员与内容的整理与优化方法

Info

Publication number: CN109144494B
Application number: CN201810911490.9A
Authority: CN
Inventors: 段玉聪; 张欣悦; 宋正阳
Original assignee: Hainan University
Current assignee: Hainan University
Priority date: 2018-08-12
Filing date: 2018-08-12
Publication date: 2020-01-10
Anticipated expiration: 2038-08-12
Also published as: CN109144494A

Abstract

本发明是个性化网络人员与内容的整理与优化方法，本方法将用户社交网络资源的整理与优化分为人员与内容两部分；对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户，最后将两部分按个性化选择展示给用户，形成用户的虚拟社交关系网络；结合用户的社交关系，根据用户的个性化选择对内容的重要性进行排序，将内容按用户查看时最舒适的标准进行展示；本发明属于社交与软件工程交叉领域。

Description

个性化网络人员与内容的整理与优化方法

技术领域

本发明是个性化网络人员与内容的整理与优化方法，本发明属于社交与软件工程交叉领域。

背景技术

社交软件涉及了社交网络和社交消息，随着用户社交关系上拥有越来越多的朋友，社交网络也变得更大，社交网络的新趋势是要将真实的社交网络往虚拟化转移，依靠技术增强人类现实的感受；社交消息中群是为了方便三人及三人以上的多人群体的通知和交流而出现的消息形式，随着用户拥有的群数量增加，需要指出其带来的一系列问题：第一，群消息不间断，这给用户带来了极大的不方便，群内人员时不时的聊天消息都会提醒群内每一个用户；第二，每个群内或多或少都有一些新闻、广告上瘾症成员，他们发送相关的消息到群内，用户在查看群消息时或许会导致用户大量时间浪费在这些无关紧要的消息上面；第三，有些群消息用户无法屏蔽，因为里面涉及重要信息，但是因为群成员的一些无营养信息，用户需要花费大量时间去翻看查阅重要的信息；目前的社交软件在社交网络上大都采用以姓名和备注的拼音首字母排序陈列，社交消息采用均分思想给消息计量后按最后发消息的时间顺序排列，附带消息条数陈列在消息列表中；本发明是个性化网络人员与内容的整理与优化方法，本方法将用户社交网络资源的整理与优化分为人员与内容两部分；对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户，最后将两部分按个性化选择展示给用户，形成用户的虚拟社交关系网络；结合用户的社交关系，根据用户的个性化选择对内容的重要性进行排序，将内容按用户查看时最舒适的标准进行展示；本发明属于社交与软件工程交叉领域。

发明内容

技术问题：随着用户社交网络也变得更大，社交网络的新趋势是要将真实的社交网络往虚拟化转移，依靠技术增强人类现实的感受；群消息不间断，这给用户带来了极大的不方便，群内人员时不时的聊天消息都会提醒群内每一个用户；每个群内或多或少都有一些新闻、广告上瘾症成员，他们发送相关的消息到群内，用户在查看群消息时或许会导致用户大量时间浪费在这些无关紧要的消息上面；有些群消息用户无法屏蔽，因为里面涉及重要信息，但是因为群成员的一些无营养信息，用户需要花费大量时间去翻看查阅重要的信息。

技术方案：本发明是个性化网络人员与内容的整理与优化方法，本方法将用户社交网络资源的整理与优化分为人员与内容两部分；对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户，最后将两部分按个性化选择展示给用户，形成用户的虚拟社交关系网络；结合用户的社交关系，根据用户的个性化选择对内容的重要性进行排序，将内容按用户查看时最舒适的标准进行展示；本发明属于社交与软件工程交叉领域。

体系结构

图1给出了个性化网络人员与内容的整理与优化方法的体系图，整个方法从人员和内容两个方面整理与优化用户的社交网络资源；

人员优化：人员优化是对社交网络中的社交关系REL_Net进行重要性的排序，用户U 的表示{U_ID，U_Name，U_Sex，U_Group，U_EnTime，U_Rep，U_Hab，U_ImpLev，U_Label}，U_ID代表用户的社交软件ID号，每个用户拥有一个独一无二的U_ID，U_Name是用户在社交软件上独一无二的名称，U_Sex是用户的性别，U_Group存放着每个用户加入的群的名称，U_EnTime存放着用户进入U_Group时的时间，U_Rep指用户和目标优化人员DU的亲密度，U_Hab指用户的个性化选择，用户的个性化选择存放于此，对社交关系的个性化选择为

，对社交消息的个性化选择为

；U_ImpLev指用户对于DU来说的重要性，U_ImpLev越大，代表用户在DU社交网络中的重要性越大，U_Label指DU为用户定下的标签，例如“亲人”，“朋友”，“老师”等等；当DU为U设置了U_Label后，可以根据U_Label判断U的 U_ImpLev，不同的U_Label有不同的U_ImpLev，例如当U_Label为“家人”，U_ImpLev为100，当U_Label为“同学”， U_ImpLev为90；算法1为REL_Net的排序算法，输出用户重要性排序表List_U，U_Label0是系统默认的一些标签，例如“家人”，“朋友”等，并为每个标签设置了对应的U_ImpLev，α，β，γ由外源数据挖掘得到，其中h为Tol_Rank[]中每个元素的下标；

例如图2所示，DU加入了群A，群B，群C和群D，且DU社交关系列表中有U₁和U₂，因为U₁加入了A，U₂加入了群B和群C，故U₂的U_ImpLev比U₁的U_ImpLev更大；U₃存在于U₁和U₂列表中，但没有存在于DU列表中，但是U₃存在于群A，群B和群C中，所以U₃的U_ImpLev大于U₁，U₂，系统会将U₃推荐给DU，若DU接受推荐，则可填补上DU的社交软件上社交关系的空缺，否则系统不再推荐U₃给DU；

内容优化：根据用户个性化选择进行社交消息MES的整理与优化，每一条社交消息MES由{MES_Con，MES_U，MES_Label，MES_ImpLev}表示，MES_Con表示消息的内容，MES_U代表发消息的用户信息，MES_Label表示消息涉及的标签，MES_ImpLev表示消息的重要程度；U和MES通过标签进行联系，每一条MES都会获得MES_Label，采取机器学习的相关算法来实现，即针对一系列给定的标签，给MES选取其中匹配度最高的几个标签；算法2展示了在输入DU的社交消息个性化方案和消息后如何获得MES_ImpLev，在MES中找到U_ID，将同一个U_ID的同一条消息合并为一条消息进行后续处理，NUM_UID为同一个U_ID的数量，MERGE（MES）是合并函数，将相同U_ID的相同MES全部收集起来最后按一条消息处理；Match（a，b）为匹配算法，将a和b进行匹配，得到M为一个具体的匹配值；f，g为U_ImpLev和M的函数，通过函数关系能够得到MES_ImpLev；最终输出消息重要性列表List_MES，其中包括MES_Con和U的信息；

有益效果：

本发明方法提出了个性化网络人员与内容的整理与优化方法，有如下优点：

1）本发明提出的方法将社交网络从真实往虚拟集成，将用户日益扩大的社交网络集成后清晰展现在用户面前，帮助用户管理自己的社交网络；

2）本发明提出的方法优化展示社交消息，方便用户及时查看自己感兴趣的和重要的消息，避免了消息的重复打扰和时间的浪费；

3）本发明提供的方法为用户个性化打造，方便用户管理社交网络，方便用户迅速查看有关信息。

附图说明

图1是个性化网络人员与内容整理与优化方法的体系图；

图2是个性化网络人员整理与优化方法的一个实施例；

图3是个性化网络人员与内容整理与优化方法的具体实施流程图。

具体实施方式

用户U的表示{U_ID，U_Name，U_Sex，U_Group，U_EnTime，U_Rep，U_Hab，U_ImpLev，U_Label}，U_ID代表用户的社交软件ID号，每个用户拥有一个独一无二的U_ID，U_Name是用户在社交软件上独一无二的名称，U_Sex是用户的性别，U_Group存放着每个用户加入的群的名称，U_EnTime存放着用户进入U_Group 时的时间，U_Rep指用户和目标优化用户DU的亲密度，U_Hab指用户的个性化选择，用户的个性化选择存放于此，对社交关系的个性化选择为，对社交消息的个性化选择为

；U_ImpLev 指用户对于DU来说的重要性，U_ImpLev越大，代表用户在DU社交网络中的重要性越大，U_Label指 DU为用户定下的标签，例如“亲人”，“朋友”，“老师”等等；当DU为U设置了U_Label后，可以根据 U_Label判断U的U_ImpLev，不同的U_Label有不同的U_ImpLev，例如当U_Label为“家人”，U_ImpLev为100，当 U_Label为“同学”，U_ImpLev为90；每一条消息MES由{MES_Con，MES_U，MES_Label，MES_ImpLev}表示，MES_Con表示消息的内容，MES_U代表发消息的用户信息，MES_Label表示消息涉及的标签，MES_ImpLev表示消息的重要程度；U和MES通过标签进行联系，每一条MES都会获得MES_Label，采取机器学习的相关算法来实现，即针对一系列给定的标签，给MES选取其中匹配度最高的几个标签；个性化网络人员与内容的整理与优化方法具体流程如下：

步骤1）对应图3中001所示，将目标优化用户DU的社交关系人员U和社交消息MES输入系统中；

步骤2）对应图3中002所示，用户设置用户的个性化选择U_Hab，用户的个性化选择存放于此，对社交关系的个性化选择为

，对社交消息的个性化选择为

；

步骤3）对应图3中003所示，判断目标优化用户为人员定下的标签U_Label是否与系统存放的默认标签U_Label0吻合；若吻合，进入步骤4），否则进入步骤5）；U_Label0是系统默认的一些标签，例如“家人”，“朋友”等，并为每个标签设置了对应的人员重要性U_ImpLev；

步骤4）对应图3中004所示，计算人员的重要性U_ImpLev，公式为

，

为外源数据挖掘得到；

步骤5）对应图3中005所示，搜寻用户m度社交关系后计算人员重要性U_ImpLev，例如图2所示，目标优化用户DU加入了群A，群B，群C和群D，且目标优化用户DU社交关系列表中有U₁和U₂，因为U₁加入了A，U₂加入了群B和群C，故U₂的人员重要性U_ImpLev比U₁的人员重要性U_ImpLev更大；U₃存在于U₁和U₂列表中，但没有存在于目标优化用户DU列表中，但是U₃存在于群A，群B和群C中，所以U₃的人员重要性U_ImpLev大于U₁，U₂，系统会将U₃推荐给目标优化用户DU，若目标优化用户DU接受推荐，则可填补上目标优化用户DU的社交软件上社交关系的空缺，否则系统不再推荐U₃给目标优化用户DU；人员重要性的计算如算法1所示，α，β，γ由外源数据挖掘得到，其中h为Tol_Rank[]中每个元素的下标，NUM_UG为每个用户加入的群的数量；

步骤6）对应图3中006所示，通过算法1，得到人员重要性排序表List_U；

步骤7）对应图3中007所示，将社交关系按人员重要性排序表List_U的顺序展示给目标优化用户DU，并推荐算法1中在m度关系中隐藏着的具有高重要度IM_L的人员；

步骤8）对应图3中008所示，在社交消息MES中找到用户的社交软件ID号U_ID，NUM_UID为同一个U_ID的数量，判断社交消息MES是否是同一个用户的社交软件ID号U_ID发的同一条消息，若是，进入步骤9），否则进入步骤10）；

步骤9）对应图3中009所示，MERGE（MES）是合并函数，将相同用户的社交软件ID号U_ID的相同社交消息MES全部收集起来最后按一条消息处理；

步骤10）对应图3中010所示，计算目标优化用户DU对社交消息的个性化选择

与社交消息内容MES_Con的吻合度，Match（a，b）为匹配算法，a为，b为MES_Con；将a和b进行匹配，得到M为一个具体的匹配值；

步骤11）对应图3中011所示，计算社交消息的重要度MES_ImpLev的值，f，g为人员重要性U_ImpLev和M的函数，通过函数关系能够得到社交消息的重要度MES_ImpLev，计算公式为

；

步骤12）对应图3中012所示，最终输出消息重要性列表List_MES，其中包括社交消息内容MES_Con和用户U的信息，算法2给出了获得内容整理与优化后的消息的过程：

。

Claims

1.一种个性化网络人员与内容的整理与优化方法，其特征在于将用户社交网络资源的整理与优化分为人员与内容两部分；对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户，最后将两部分按个性化选择展示给用户，形成用户的虚拟社交关系网络；结合用户的社交关系，根据用户的个性化选择对内容的重要性进行排序，将内容按用户查看时最舒适的标准进行展示；

用户U的表示{U_ID，U_Name，U_Sex，U_Group，U_EnTime，U_Rep，U_Hab，U_ImpLev，U_Label}，U_ID代表用户的社交软件ID号，每个用户拥有一个独一无二的U_ID，U_Name是用户在社交软件上独一无二的名称，U_Sex是用户的性别，U_Group存放着每个用户加入的群的名称，U_EnTime存放着用户进入U_Group时的时间，U_Rep指用户U和目标优化用户DU的亲密度，U_Hab指用户的个性化选择，用户的个性化选择存放于此，对社交关系的个性化选择为

，对社交消息的个性化选择

；U_ImpLev指用户对于DU来说的重要性，U_ImpLev越大，代表用户在DU社交网络中的重要性越大，U_Label指DU为用户定下的标签；当DU为U设置了U_Label后，可以根据U_Label判断U的U_ImpLev，不同的U_Label有不同的U_ImpLev；每一条社交消息MES由{MES_Con，MES_U，MES_Label，MES_ImpLev}表示，MES_Con表示社交消息的内容，MES_U代表发送社交消息的用户信息，MES_Label表示社交消息涉及的标签，MES_ImpLev表示社交消息的重要程度；U和MES通过标签进行联系，每一条MES都会获得MES_Label，采取机器学习的相关算法来实现，即针对一系列给定的标签，给MES选取其中匹配度最高的几个标签；个性化网络人员与内容的整理与优化方法具体流程如下：

步骤1）将目标优化用户DU的用户U和社交消息MES输入系统中；

步骤2）用户设置用户的个性化选择U_Hab，用户的个性化选择存放于此，对社交关系的个性化选择为

，对社交消息的个性化选择

；

社交关系重要性计算具体如下：

步骤3）遍历每一个U_IDi，判断目标优化用户为人员定下的标签U_Label是否与系统存放的默认标签U_Label0吻合；若吻合，进入步骤4），否则进入步骤5）；U_Label0是系统默认的一些标签，并为每个标签设置了对应的人员重要性U_ImpLev；

步骤4）计算人员的重要性U_ImpLev，公式为

，

为外源数据挖掘得到；

步骤5）搜索U_IDi所在的所有群U_Group；对U_Group进行计数，并赋值给NUM_UG；NUM_UG进行排序的结果赋值给T_Rank[]；搜寻T_Rank[]中n个用户的社交网络的m度社交关系，按照

计算重要度，结果赋值给IM_Rank[]；将T_Rank[]和IM_Rank[]合并，结果赋值给Tol_Rank[]，每个用户对于DU的重要性U_ImpLev=β×h，其中，α、β、γ由外源数据挖掘得到，h为Tol_Rank[]中每个元素的下标,NUM_UG为每个用户加入的群的数量；

具体为目标优化用户DU加入了群A，群B，群C和群D，且目标优化用户DU社交关系列表中有U₁和U₂，因为U₁加入了A，U₂加入了群B和群C，故U₂的人员重要性比U₁的人员重要性U_lmpLev更大：U₃存在于U₁和U₂列表中，但没有存在于目标优化用户(DU)列表中，但是U₃存在于群A，群B和群C中，所以U₃的人员重要性U_lmpLev大于U₁或U₂，系统会将U₃推荐给目标优化用户DU，若目标优化用户DU接受推荐，则可填补上目标优化用户DU的社交软件上社交关系的空缺，否则系统不再推荐U₃给目标优化用户DU；

步骤6）将U_ImpLev进行排序，得到人员重要性排序表List_U；

步骤7）将社交关系按人员重要性排序表List_U的顺序展示给目标优化用户DU，并推荐在m度关系中隐藏着的具有高重要度IM_L的人员；

获得内容整理与优化后的社交消息的过程具体为：

步骤8）在社交消息MES中找到用户的社交软件ID号U_ID，NUM_UID为同一个U_ID的数量，遍历每一个MES，判断社交消息MES是否是同一个用户的社交软件ID号U_ID的同一条社交消息，当满足NUM_UID>1&&MES_Label1=MES_Label2=MES_Labeln时，进入步骤9），执行合并函数MERGE（MES）；否则进入步骤10）；

步骤9）MERGE（MES）是合并函数，将相同用户的社交软件ID号U_ID的相同社交消息MES全部收集起来最后按一条社交消息处理；

步骤10）令MES_ImpLev=0；从MES的MES_U中找到U_ImpLev；计算目标优化用户DU对社交消息的个性化选择与社交消息内容MES_Con的吻合度，计算公式为

，其中Match（a，b）为匹配算法，a为

，b为MES_Con；将a和b进行匹配，得到M为一个具体的匹配值；

步骤11）计算社交消息的重要度MES_ImpLev的值，f，g为人员重要性U_ImpLev和M的函数，通过函数关系能够得到社交消息的重要度MES_ImpLev，计算公式为

；

步骤12）最终输出社交消息重要性列表List_MES，其中包括社交消息内容MES_Con和用户U的信息。