專利名稱：社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法及其系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及知識挖掘技術(shù)領(lǐng)域，尤其涉及社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法 及其系統(tǒng)。
背景技術(shù)：
社會網(wǎng)絡(luò)是web2. 0的重要組成部分。如果說網(wǎng)絡(luò)的意義是把計算機(jī)連在一起，那 么社會網(wǎng)絡(luò)的目的則是把人連在一起。傳統(tǒng)的電子商務(wù)、網(wǎng)絡(luò)媒體等系統(tǒng)也逐漸走向社會 網(wǎng)絡(luò)結(jié)構(gòu)。傳統(tǒng)網(wǎng)站開始支持用戶們建立友誼關(guān)系，包括直接選擇信任的朋友，或?qū)椖孔?個性化標(biāo)簽等行為。淘寶上的用戶可以把自己喜歡的商品分享給朋友，也可以在喜歡的商 品上做上標(biāo)簽，讓更多的人通過此標(biāo)簽找到這件商品。朋友之間的分享和傳遞成了一種新 的數(shù)據(jù)傳播媒介。如何利用社會網(wǎng)絡(luò)中人與人的關(guān)系來改進(jìn)傳統(tǒng)的推薦算法成了值得思考 的問題。個性化服務(wù)主要是根據(jù)用戶的設(shè)定和用戶偏好對信息資源進(jìn)行收集、整理和分 類，跟蹤用戶興趣變化，向用戶推薦和更新相關(guān)信息。主流的系統(tǒng)采用基于內(nèi)容過濾，基于 協(xié)作過濾和基于圖的方法?；趦?nèi)容的推薦方法是最早的推薦方法，根據(jù)文檔內(nèi)容和用戶興趣的相似程度進(jìn) 行推薦，這個方法一個很大的缺點就是他依賴于文檔的形式，如果是視頻新聞等內(nèi)容沒有 辦法表示出來的資源來說，這種方法就很不合適。基于協(xié)作過濾的方法是這個領(lǐng)域最成功的一個方法，它運(yùn)用用戶和用戶之間的相 似度為用戶找到一個“鄰居”集合，然后根據(jù)這些鄰居的喜好來給用戶進(jìn)行推薦。他的一個 優(yōu)點就是不依賴于資源的形式，但是它受數(shù)據(jù)的稀疏性的影響。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法及其系統(tǒng)。基 于本發(fā)明，能夠更加準(zhǔn)確的為不同的用戶提供與其喜好相關(guān)的個性化的推薦。本發(fā)明提供了一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法，包括如下步驟信息 獲取步驟，獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；相似度計算步驟，基于所述標(biāo)簽標(biāo) 注信息，計算用戶和用戶之間的相似度；社會網(wǎng)絡(luò)無向圖構(gòu)建步驟，基于所述評分信息、所 述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖；推薦項目列表生成步驟，利用隨 機(jī)漫步的方法，確定所述社會網(wǎng)絡(luò)無向圖中待推薦頂點到其余每一個頂點的概率，將所述 頂點中代表項目的頂點按照概率排序，依照所述排序進(jìn)行個性化推薦，生成個性化推薦項 目列表。上述個性化推薦方法，優(yōu)選在所述信息獲取步驟和所述相似度計算步驟之間還包 括預(yù)處理步驟，對所述評分信息進(jìn)行過濾，選擇用戶肯定的評分信息以及過濾系統(tǒng)存在的 空標(biāo)簽標(biāo)注信息；其中，在所述社會網(wǎng)絡(luò)無向圖構(gòu)建步驟中，所述評分信息為所述肯定的評 分{曰息。
上述個性化推薦方法，優(yōu)選在所述相似度計算步驟中，基于所述標(biāo)簽標(biāo)注信息，利 用余弦相似度計算用戶和用戶之間的所述相似度。上述個性化推薦方法，優(yōu)選所述社會網(wǎng)絡(luò)無向圖構(gòu)建步驟具體為如果用戶對資 源進(jìn)行了評分，則在該用戶和資源之間連一條邊，邊的權(quán)值為評分的分值；然后將用戶和用 戶之間的所述相似度計算結(jié)果加入到圖中，如果兩個用戶相似度不為0，則在兩個用戶之間 連邊，邊的權(quán)值與相似度成正比。另一方面，本發(fā)明還提供了一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦系統(tǒng)，所述系 統(tǒng)包括信息獲取模塊，用于獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；相似度計算模 塊，用于所述標(biāo)簽標(biāo)注信息，計算用戶和用戶之間的相似度；社會網(wǎng)絡(luò)無向圖構(gòu)建模塊，用 于基于所述評分信息、所述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖；推薦項 目列表生成模塊，用于利用隨機(jī)漫步的系統(tǒng)，確定所述社會網(wǎng)絡(luò)無向圖中待推薦頂點到中 每一個頂點的概率，將所述頂點中代表項目的頂點按照概率排序，依照所述排序進(jìn)行個性 化推薦，生成個性化推薦項目列表。上述個性化推薦系統(tǒng)，優(yōu)選在所述信息獲取模塊和所述相似度計算模塊之間還連 接有預(yù)處理模塊，用于對所述評分信息進(jìn)行過濾，選擇用戶肯定的評分信息以及過濾系統(tǒng) 存在的空標(biāo)簽標(biāo)注信息；并且，在所述社會網(wǎng)絡(luò)無向圖構(gòu)建模塊中，所述評分信息為所述肯 定的評分信息。上述個性化推薦系統(tǒng)，優(yōu)選在所述相似度計算模塊中，基于所述標(biāo)簽標(biāo)注信息，利 用余弦相似度計算用戶和用戶之間的所述相似度。上述個性化推薦系統(tǒng)，優(yōu)選所述社會網(wǎng)絡(luò)無向圖構(gòu)建模塊中，所述用戶和用戶之 間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖具體為如果用戶對資源進(jìn)行了評分，則在該用戶 和資源之間連一條邊，權(quán)值為評分的分值；然后將用戶和用戶之間的所述相似度計算結(jié)果 加入到圖中，如果兩個用戶相似度不為0，則在兩個用戶之間連邊，邊的權(quán)值與相似度成正 比。本發(fā)明第一次將社會網(wǎng)絡(luò)的標(biāo)簽特征與用戶對于資源的評分信息結(jié)合起來，運(yùn)用 了隨機(jī)游走的方法，為不同用戶找到不同的，與其興趣相關(guān)的資源。例如，將本發(fā)明應(yīng)用于 電子商務(wù)網(wǎng)站，在用戶已購買或者瀏覽的資源的信息基礎(chǔ)上，進(jìn)行推薦別的資源，則有可能 用戶會對這些資源感興趣，而購買更多的資源。人與人之間的社會聯(lián)系構(gòu)成社會網(wǎng)絡(luò)，網(wǎng) 絡(luò)中所有的用戶和資源聯(lián)系在一起，并且用戶和用戶之間通過他們喜歡的資源也聯(lián)系在一 起，考慮從社會網(wǎng)絡(luò)的觀點解決用戶的個性化推薦問題，是非常有意義的。實驗證明，在加 入用戶標(biāo)簽相似度信息之后，使得無向圖的密集程度增加了。利用了更多的用戶信息，而使 得為用戶進(jìn)行個性化推薦的效果更好。準(zhǔn)確度大大提高。


圖1為本發(fā)明社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法的步驟流程圖；圖2為本發(fā)明社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法實施例的數(shù)據(jù)流向圖；圖3為加入用戶間相似度之前和之后的變化的示意圖；圖4為鄰接矩陣的變化示意圖；圖5為本發(fā)明社會網(wǎng)絡(luò)下的基于圖的個性化推薦系統(tǒng)實施例的結(jié)構(gòu)示意4
圖6為本發(fā)明社會網(wǎng)絡(luò)下的基于圖的個性化推薦系統(tǒng)實施例的結(jié)構(gòu)示意圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。參照圖1，圖1為本發(fā)明社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法的步驟流程圖，所 述方法在獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息后，包括如下步驟信息獲取步驟110，獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；相似度計算步 驟120，基于所述標(biāo)簽標(biāo)注信息，計算用戶和用戶之間的相似度；社會網(wǎng)絡(luò)無向圖構(gòu)建步驟 130，基于所述評分信息、所述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖；推薦 項目列表生成步驟140，利用隨機(jī)漫步的方法，確定所述社會網(wǎng)絡(luò)無向圖待推薦頂點到其余 每一個頂點的概率，將所述頂點中代表項目的定點按照概率排序，依照所述排序進(jìn)行個性 化推薦，生成個性化推薦項目列表。實際中一種優(yōu)選的處理方式是，在相似度計算步驟之前還包括預(yù)處理步驟，對所 述評分信息進(jìn)行過濾，選擇用戶肯定的評分信息；過濾系統(tǒng)存在的空標(biāo)簽標(biāo)注信息；并且， 在所述社會網(wǎng)絡(luò)無向圖構(gòu)建步驟中，所述評分信息為所述肯定的評分信息。社會網(wǎng)絡(luò)下居 于圖的個性化推薦方法實例以下結(jié)合一個共享電影信息的社會網(wǎng)絡(luò)平臺的例子，詳細(xì)描述本方法的具體實施 方式。該實施例是用戶之間共享電影信息的社會網(wǎng)絡(luò)，用戶可以對看過的電影進(jìn)行評分和 標(biāo)記標(biāo)簽。評分分為1-5，而一個用戶可以給每部電影打一到多個標(biāo)簽。圖2為本發(fā)明社會 網(wǎng)絡(luò)下的基于圖的個性化推薦方法實施例的步驟流程圖。包括步驟1，對用戶對資源的評分和標(biāo)記進(jìn)行預(yù)處理選擇用戶對資源的正向評價。如 果系統(tǒng)允許用戶對資源進(jìn)行空標(biāo)注，即不輸入具體的標(biāo)簽，則過濾這些空標(biāo)簽。在電影信息共享網(wǎng)絡(luò)中，用戶可以對電影進(jìn)行評分，分值為1、1.5、2、2.5、3、3.5、 4,4. 5、5分，這里選取3. 5、4、4. 5和5分的評分信息，而略去其余的負(fù)面評價。本發(fā)明適用 于表現(xiàn)用戶喜好的評價信息，而被評為1-3分的則被認(rèn)為是用戶所不喜歡的項目，故在此 處不予以考慮。在該實例中，用戶必須對電影進(jìn)行非空的標(biāo)簽的標(biāo)注，則不需要預(yù)處理。步驟2，利用用戶對資源標(biāo)注的標(biāo)簽，計算用戶和用戶之間的相似度利用余弦相 似度的計算方法，利用用戶的標(biāo)簽向量，進(jìn)行用戶之間相似度的計算。假設(shè)有兩個用戶Ui和Uj。用戶Ui標(biāo)注了 Iii個不用的標(biāo)簽，t,(k)是第k個標(biāo)簽被 用戶Ui標(biāo)注的次數(shù)。那么我們使用(標(biāo)簽，出現(xiàn)次數(shù))這樣的對來表示用戶的興趣，那么 用戶Ui的興趣應(yīng)該被寫為(t/1)，Ci(D)，(t/2)，Ci⑵)，...，(t,M,CiM)。同樣的，用戶Uj的
興趣被表示為(t/1)，c/1))，(t/2)，c/2))，· · ·，(t^ ,C^)。假設(shè)集合T是用戶Ui和用戶Uj
共同使用的標(biāo)簽集合。那么我們使用如下公式來計算兩個用戶之間的相似度
權(quán)利要求
一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法，其特征在于，包括如下步驟信息獲取步驟，獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；相似度計算步驟，基于所述標(biāo)簽標(biāo)注信息，計算用戶和用戶之間的相似度；社會網(wǎng)絡(luò)無向圖構(gòu)建步驟，基于所述評分信息、所述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖；推薦項目列表生成步驟，利用隨機(jī)漫步的方法，確定所述社會網(wǎng)絡(luò)無向圖中待推薦頂點到其余每一個頂點的概率，將所述頂點中代表項目的頂點按照概率排序，依照所述排序進(jìn)行個性化推薦，生成個性化推薦項目列表。
2.根據(jù)權(quán)利要求1所述的個性化推薦方法，其特征在于，在所述信息獲取步驟和所述 相似度計算步驟之間還包括預(yù)處理步驟，對所述評分信息進(jìn)行過濾，選擇用戶肯定的評分信息以及過濾系統(tǒng)存在 的空標(biāo)簽標(biāo)注信息；其中，在所述社會網(wǎng)絡(luò)無向圖構(gòu)建步驟中，所述評分信息為所述肯定的評分信息。
3.根據(jù)權(quán)利要求2所述的個性化推薦方法，其特征在于，在所述相似度計算步驟中，基 于所述標(biāo)簽標(biāo)注信息，利用余弦相似度計算用戶和用戶之間的所述相似度。
4.根據(jù)權(quán)利要求3所述的個性化推薦方法，其特征在于，所述社會網(wǎng)絡(luò)無向圖構(gòu)建步 驟具體為如果用戶對資源進(jìn)行了評分，則在該用戶和資源之間連一條邊，邊的權(quán)值為評分 的分值；然后將用戶和用戶之間的所述相似度計算結(jié)果加入到圖中，如果兩個用戶相似度 不為0，則在兩個用戶之間連邊，邊的權(quán)值與相似度成正比。
5.一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦系統(tǒng)，其特征在于，所述系統(tǒng)包括 信息獲取模塊，用于獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；相似度計算模塊，用于所述標(biāo)簽標(biāo)注信息，計算用戶和用戶之間的相似度； 社會網(wǎng)絡(luò)無向圖構(gòu)建模塊，用于基于所述評分信息、所述用戶和用戶之間的相似度構(gòu) 建帶權(quán)的社會網(wǎng)絡(luò)無向圖；推薦項目列表生成模塊，用于利用隨機(jī)漫步的系統(tǒng)，確定所述社會網(wǎng)絡(luò)無向圖中待推 薦頂點到中每一個頂點的概率，將所述頂點中代表項目的頂點按照概率排序，依照所述排 序進(jìn)行個性化推薦，生成個性化推薦項目列表。
6.根據(jù)權(quán)利要求5所述的個性化推薦系統(tǒng)，其特征在于，在所述信息獲取模塊和所述 相似度計算模塊之間還連接有預(yù)處理模塊，用于對所述評分信息進(jìn)行過濾，選擇用戶肯定的評分信息以及過濾系統(tǒng) 存在的空標(biāo)簽標(biāo)注信息；并且，在所述社會網(wǎng)絡(luò)無向圖構(gòu)建模塊中，所述評分信息為所述肯定的評分信息。
7.根據(jù)權(quán)利要求6所述的個性化推薦系統(tǒng)，其特征在于，在所述相似度計算模塊中，基 于所述標(biāo)簽標(biāo)注信息，利用余弦相似度計算用戶和用戶之間的所述相似度。
8.根據(jù)權(quán)利要求7所述的個性化推薦系統(tǒng)，其特征在于，所述社會網(wǎng)絡(luò)無向圖構(gòu)建模 塊中，所述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖具體為如果用戶對資源 進(jìn)行了評分，則在該用戶和資源之間連一條邊，權(quán)值為評分的分值；然后將用戶和用戶之間 的所述相似度計算結(jié)果加入到圖中，如果兩個用戶相似度不為0，則在兩個用戶之間連邊， 邊的權(quán)值與相似度成正比。全文摘要
本發(fā)明公開了一種社會網(wǎng)絡(luò)下的基于圖的個性化推薦方法及其系統(tǒng)。該方法包括獲取用戶對資源的評分信息和標(biāo)簽標(biāo)注信息；基于所述標(biāo)簽標(biāo)注信息，計算用戶和用戶之間的相似度；基于所述評分信息、所述用戶和用戶之間的相似度構(gòu)建帶權(quán)的社會網(wǎng)絡(luò)無向圖；利用隨機(jī)漫步的方法，確定所述社會網(wǎng)絡(luò)無向圖點中待推薦頂點到其余每一個頂點的概率，將所述頂點中代表項目的頂點按照概率排序，依照所述排序進(jìn)行，生成個性化推薦項目列表。本發(fā)明通過引入相似度，能夠更加準(zhǔn)確的為不同的用戶提供與其喜好相關(guān)的個性化的推薦。
文檔編號G06F17/30GK101944218SQ201010102050
公開日2011年1月12日 申請日期2010年1月27日 優(yōu)先權(quán)日2010年1月27日
發(fā)明者張銘, 王子琪 申請人:北京大學(xué)