一種基于綜合得分的好友推薦方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)中的好友推薦領(lǐng)域，特別是在解決和優(yōu)化好友推薦的有效性 方面，著重解決了在多種因素影響下，如何合理綜合多種因素獲取最優(yōu)的推薦好友的問題。
【背景技術(shù)】
[0002] 隨著大數(shù)據(jù)時(shí)代的來臨以及移動(dòng)智能終端的發(fā)展，社交網(wǎng)絡(luò)在移動(dòng)互聯(lián)網(wǎng)上得到 迅猛的發(fā)展，挖掘一些隱藏的信息為用戶提供更加準(zhǔn)確的好友成為越來越多的人研究的方 向。如今普遍的研究主要是考慮單一的因素對(duì)好友的影響，通過好友的網(wǎng)絡(luò)拓?fù)浍@取好友 的好友來推薦，通過用戶資料的相似性來推薦潛在的好友，通過地理位置的推薦等都是較 為簡單的對(duì)單一影響因素進(jìn)行處理獲取相應(yīng)的好友。
[0003] 如今基于地理位置的數(shù)據(jù)研究逐漸被人們所重視，但僅通過考慮地理位置因素不 僅計(jì)算量大，而且即使進(jìn)行處理減輕計(jì)算量但在推薦有效性方面又有所下降。同時(shí)隨著信 息推送的社會(huì)需求不斷加大，推送的信息也成為了我們不得不考慮的一個(gè)重要的因素，如 何從推送信息中獲取好友的信息也成為十分必要的因素。
[0004] 專利方法，考慮個(gè)人信息的匹配程度，通過劃分年齡、賦權(quán)、計(jì)算獲取信息得分，在 通過個(gè)人的簽到信息對(duì)簽到位置和時(shí)間的處理后，減輕計(jì)算量，計(jì)算相應(yīng)的地理得分，接著 考慮推送信息的影響在通過推送信息獲取相應(yīng)的喜好得分，最后對(duì)三個(gè)得分進(jìn)行加權(quán)求和 獲取最終的綜合得分，通過綜合得分來判斷最佳的推薦好友。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決了在多種因素影響下，如何合理綜合多種因素獲取最優(yōu)的推薦好友 的問題，提供一種好友推薦方法，是基于個(gè)人信息、簽到信息、推送信息來計(jì)算綜合得分的 方法來選取最佳的推薦好友。
[0006] 本發(fā)明解決技術(shù)問題所采取的技術(shù)方案如下：
[0007] 1)根據(jù)用戶填寫的個(gè)人信息，確定參與推薦篩選用戶的信息得分，包括如下步驟：
[0008] a)對(duì)年齡進(jìn)行劃分，確定需要推薦好友的用戶的個(gè)人信息中的年齡所在區(qū)間，如 果需要推薦好友的用戶未填寫年齡，則不在繼續(xù)計(jì)算信息得分的操作，并將所有參與推薦 篩選的用戶的信息得分設(shè)為〇,如果填寫了年齡則繼續(xù)進(jìn)行。
[0009] b)根據(jù)上述所得區(qū)間對(duì)不同的年齡段進(jìn)行賦權(quán)重。
[0010] c)通過用戶個(gè)人信息中的愛好，計(jì)算不同年齡區(qū)間內(nèi)的用戶i的信息權(quán)值scorei。
[0011] d)對(duì)計(jì)算出的所有參與推薦篩選的用戶的信息權(quán)值^沉^進(jìn)行規(guī)約化處理，獲取 最終的用戶i信息得分infi。
[0012] 2)根據(jù)用戶的簽到信息，確定參與推薦篩選的用戶的地理得分，包括如下步驟：
[0013] a)獲取需要推薦好友的用戶一定時(shí)間內(nèi)的所有簽到信息，其中第i次的簽到信息 主要包括簽到時(shí)間Ti，簽到位置Addn。
[0014] b)采用DBSCAN聚類算法，通過需要推薦好友的用戶所有簽到信息中的簽到位置 Addr中的經(jīng)、煒度信息對(duì)簽到位置進(jìn)行聚類，獲取需要推薦好友的用戶的第i簽到信息中的 簽到位置所屬的聚類位置addri。
[0015] c)將一天的時(shí)間進(jìn)行劃分，確定需要推薦好友的用戶的所有簽到時(shí)間中每一次簽 到在所有劃分的時(shí)間段中的順序，其中第i次簽到所在的時(shí)間段為ti，將需要推薦好友的用 戶的第i次簽到信息表示為(ti，addri)。
[0016] d)對(duì)參與推薦篩選的用戶的簽到信息中的簽到位置和簽到時(shí)間進(jìn)行相同的處理， 獲取參與推薦篩選的用戶的所有簽到信息，其中第k次簽到表示為(t k，addrk)。
[0017] e)通過對(duì)需要推薦好友的用戶和參與推薦篩選的用戶的簽到信息進(jìn)行比較、計(jì)算 獲取參與推薦篩選的用戶的地理權(quán)值。
[0018] f)對(duì)計(jì)算出的所有參與推薦篩選的用戶的得分進(jìn)行規(guī)約化處理，獲取最終的參與 推薦篩選的用戶的地理得分。
[0019] 3)根據(jù)推送信息，確定參與推薦篩選的用戶的喜好得分，步驟如下：
[0020] a)對(duì)推送信息的類型的初始推送量初始化，賦予初始每一種推送信息類型的具體 的推送值。
[0021] b)記錄推送給用戶的信息類型，對(duì)用戶接受或拒絕推送進(jìn)行記錄，當(dāng)推送被拒絕 時(shí)，該推送信息的類型記錄的推送量減半并更新記錄，如果推送信息被接受則該推送信息 的類型的推送量增加1并更新記錄。
[0022] c)對(duì)需要推薦好友的用戶的所有推送信息類型的推送次數(shù)進(jìn)行排序，獲取前三種 推薦信息的類型。
[0023] d)分別計(jì)算出每一位參與推薦篩選的用戶的喜好權(quán)值，獲取參與推薦篩選的用戶 與需要推薦好友的用戶前三種對(duì)應(yīng)的推送信息類型的推送量，其中第i中推送信息類型的 推送量為ΠΗ，然后將三種推薦信息類型的每一種推薦信息現(xiàn)有推送量除以該推送信息類型 的初始值，然后三種推送信息類型計(jì)算結(jié)果的和作為參與推薦篩選的用戶的喜好權(quán)值。 [0024] e)對(duì)計(jì)算出的所有參與推薦篩選的用戶的喜好權(quán)值進(jìn)行規(guī)約化處理，獲取最終的 參與推薦篩選的用戶喜好得分。
[0025] 4)計(jì)算綜合得分：
[0026]對(duì)每一位參與推薦篩選的用戶的信息得分，地理得分，喜好得分進(jìn)行加權(quán)求和獲 取最終該用戶的綜合得分，通過綜合得分對(duì)所有參與推薦篩選的用戶進(jìn)行排序獲取最佳的 推薦好友。
【附圖說明】
[0027]此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，解釋了本方法的原理。 [0028]圖1是本發(fā)明方法的總體流程圖。
[0029]圖2是計(jì)算信息得分的流程圖。
[0030]圖3是計(jì)算地理得分的流程圖。
[0031]圖4是計(jì)算喜好得分的流程圖。
【具體實(shí)施方式】
[0032]本發(fā)明實(shí)施的具體步驟如下：
[0033]圖1列出了一種好友推薦方法的流程圖，如圖1所示，該好友推薦方法包括以下步 驟S101-S103:
[0034]步驟S101是計(jì)算信息得分、地理得分、喜好得分，通過計(jì)算參與推薦篩選的用戶的 三種得分來為參與推薦篩選的用戶的綜合得分的計(jì)算提供依據(jù)。
[0035]步驟S102將S101計(jì)算得到的三種得分進(jìn)行加權(quán)求和，獲取每一個(gè)參與推薦篩選的 用戶的綜合得分。
[0036]步驟S103使用S102計(jì)算出的綜合得分對(duì)所有參與推薦篩選的用戶進(jìn)行排序，獲取 前30位，將獲取的最佳好友推薦給需要推薦好友的用戶
[0037] 步驟S101中的信息得分計(jì)算如圖2所示，包括如下步驟A1-A6:
[0038]步驟A1是獲取需要推薦用戶的用戶填寫的個(gè)人資料，在個(gè)人資料填寫中必須包括 年齡和用戶愛好的選擇，個(gè)人愛好可以為購物、電影、圖書等。
[0039] 步驟A2對(duì)年齡進(jìn)行劃分，劃分為13以下，14-22，23-28，28-35，36-45，46以上，獲取 需要推薦好友的用戶的個(gè)人信息中的年齡，如果需要推薦用戶的用戶年齡未填，即停止計(jì) 算信息得分，將所有參與推薦篩選的用戶的信息得分統(tǒng)一記為〇,如果填寫了年齡確定該年 齡所在的區(qū)間，繼續(xù)進(jìn)行余下的操作，如用戶年齡為25歲，其所在區(qū)間為23-28.
[0040]步驟A3對(duì)劃分的各年齡段進(jìn)行賦權(quán)值，步驟A2中獲取的需要推薦好友的用戶的年 齡所在的區(qū)間權(quán)值最高，然后向年齡兩端逐漸減少，如確定所在區(qū)間為23-28,即可將其權(quán) 重設(shè)置為6，則各個(gè)年齡段的權(quán)重依次為:4,5,6,5,4,3
[0041]步驟A4獲取被推薦用戶的個(gè)人信息中的愛好選擇，將結(jié)果與步驟A2中獲取的需要 推薦好友的用戶的個(gè)人資料中的愛好進(jìn)行對(duì)比，獲取兩者相同愛好的數(shù)目，并記錄。如兩者 均選擇了電影、購物則兩者的相同愛好的數(shù)目為2
[0042]步驟A5對(duì)步驟A4中獲取的參與推薦篩選的用戶的個(gè)人信息中的年齡判斷該年齡 所在步驟A2所劃分的區(qū)間，獲取該區(qū)間的在步驟A3中確定的權(quán)值，將步驟A4中獲取的相同 愛好數(shù)目與確定的權(quán)值兩者相乘，獲取每一個(gè)被推薦用戶的個(gè)人信息權(quán)值，如被推薦用戶 的年齡為36，其所在的區(qū)間為36-45，則該年齡段的權(quán)值為4，兩者相同愛好為2，則計(jì)算出的 信息權(quán)值為8
[0043 ]步驟A6在A5計(jì)算出所有的參與推薦篩選的用戶的個(gè)人信息權(quán)值后，通過公式一進(jìn) 行權(quán)值規(guī)約，規(guī)約區(qū)間[11] = [0，10]，獲取每一位參與推薦篩選的用戶的信息得分
[0045] 步驟S101中的地理得分的計(jì)算如圖3所示，包括如下步驟B1-B7:
[0046]步驟B1獲取需要推薦用戶的用戶前6個(gè)月的簽到信息，在每一次的簽到信息中必 須包括該用戶的簽到時(shí)間和簽到位置，位置中包含相應(yīng)的經(jīng)、煒度，并記錄。
[0047]步驟B2中需要對(duì)B1獲取的簽到信息中的簽到地點(diǎn)進(jìn)行聚類，采用DBSCAN聚類算法 (一種基于密度的聚類方法，該算法將具有足夠高密度的區(qū)域劃分為簇，并在具有噪聲的空 間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的簇），通過給定半徑和最小領(lǐng)域中的點(diǎn)數(shù)來獲取類簇集合，而其 中各點(diǎn)之間的距離是通過經(jīng)度和煒度計(jì)算得到。獲取每一個(gè)類簇集合中的中心點(diǎn)位置，即 該集合所組成區(qū)域的中心點(diǎn)。將每一個(gè)簽到信息中的簽到位置改為其所屬聚類集合的中心 點(diǎn)位置，并修改記錄，