一種基于社交網絡的圖書推薦方法和系統(tǒng)的制作方法
【專利摘要】一種基于社交網絡的圖書推薦方法和系統(tǒng)，方法包括有：步驟1、提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中，所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應；步驟2、分別計算用戶和每個互動類型好友組中的每個好友的成功互動數(shù)，然后從每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。本發(fā)明屬于網絡通信【技術領域】，能根據用戶在社交網絡中的互動行為來進行圖書的個性化推薦。
【專利說明】一種基于社交網絡的圖書推薦方法和系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及一種基于社交網絡的圖書推薦方法和系統(tǒng)，屬于網絡通信【技術領域】?！颈尘凹夹g】
[0002]移動閱讀作為一種互聯(lián)網時代的新興閱讀形式，逐漸為廣大互聯(lián)網用戶所接受，如何準確把握用戶的閱讀偏好、快速將符合用戶喜好的信息以直線距離推送到用戶面前顯得尤為重要。互聯(lián)網用戶傾向于通過推薦、評論、加關注等互動方式與其他用戶進行交互、或表達自己的喜好，如何針對用戶的偏好和互動行為進行個性化的圖書智能推薦是一個重要的問題。
[0003]現(xiàn)有的很多移動閱讀的用戶空間中都具有增加偶像和好友的功能，而且好友之間可以進行圖書的贈送、推薦和借閱等互動行為?，F(xiàn)有的很多推薦功能都是基于用戶的歷史閱讀行為或者采用協(xié)同過濾的方法進行推薦，而根據用戶之間的相互關系和互動行為進行圖書推薦的推薦方法較少。
[0004]因此，如何根據用戶在社交網絡中的互動行為來進行圖書的個性化推薦，仍是一個值得深入研究的技術問題。

【發(fā)明內容】

[0005]有鑒于此，本發(fā)明的目的是提供一種基于社交網絡的圖書推薦方法和系統(tǒng)，能根據用戶在社交網絡中的互動行為來進行圖書的個性化推薦。
[0006]為了達到上述目的，本發(fā)明提供了一種基于社交網絡的圖書推薦方法，包括有:
[0007]步驟1、提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中，所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應；
[0008]步驟2、分別計算用戶和每個互動類型好友組中的每個好友的成功互動數(shù)，然后從每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。
[0009]為了達到上述目的，本發(fā)明還提供了 一種基于社交網絡的圖書推薦系統(tǒng)，包括有:
[0010]互動好友組構建裝置，用于提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中，所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應；
[0011]圖書推薦裝置，用于分別計算用戶和用戶的每個互動類型好友組中的每個好友的成功互動數(shù)，然后從用戶的每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。
[0012]與現(xiàn)有技術相比，本發(fā)明的有益效果是:本發(fā)明可以充分利用用戶在社交網絡中的互動數(shù)據，結合用戶的歷史閱讀行為，給用戶推薦其可能喜歡的圖書，從而提升圖書的點擊率和訂購率；本發(fā)明可以通過用戶與其他用戶之間互動連接強度的計算，挑選出與用戶相似性較高的其他用戶，再將這些用戶劃分到不同的互動類型好友組中；本發(fā)明可以根據用戶和所有好友的互動類型和成功互動數(shù)，來計算不同互動類型中向用戶推薦的圖書數(shù)，并根據不同互動類型好友組中好友的閱讀偏好，從而確定向用戶推薦的圖書內容，因而所推薦圖書更具有多樣性；本發(fā)明可以應用在移動網和互聯(lián)網的圖書閱讀平臺中。
【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明一種基于社交網絡的圖書推薦方法流程圖。
[0014]圖2是圖1步驟2的具體操作流程圖。
[0015]圖3是圖1步驟24對于第i種互動類型的具體操作流程圖。
[0016]圖4是本發(fā)明一種基于社交網絡的圖書推薦系統(tǒng)的組成結構示意圖。
[0017]圖5是圖書推薦裝置的組成結構示意圖。
【具體實施方式】
[0018]為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面結合附圖對本發(fā)明作進一步的詳細描述。
[0019]如圖1所示，本發(fā)明一種基于社交網絡的圖書推薦方法，包括有:
[0020]步驟1、提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中；
[0021]所述互動信息可以包括但不限于:關注信息、推薦圖書信息、贈送圖書信息、借閱圖書信息，所述互動類型可以包括但不限于:關注類型、推薦圖書類型、贈送圖書類型、借閱圖書類型；
[0022]所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應，例如用戶A對關注自己的用戶B加關注、用戶A閱讀用戶C推薦的圖書、用戶A閱讀用戶D贈送的圖書、用戶A閱讀用戶E借閱的圖書，則用戶A和B、用戶A和C、用戶A和D、用戶A和E存在有成功互動關系；
[0023]所述互動類型好友組根據互動類型，可以包括但不限于:關注好友組、推薦好友組、贈送好友組、借閱好友組，例如，用戶B、C、D、E分別根據其互動類型被劃分到用戶A的關注好友組、推薦好友組、贈送好友組、借閱好友組中；
[0024]步驟2、分別計算用戶和每個互動類型好友組中的每個好友的成功互動數(shù)，然后從每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。
[0025]所述步驟I中，還可以通過用戶與其他用戶之間互動連接強度的計算，挑選出與用戶相似性較高的其他用戶，再將這些用戶劃分到不同的互動類型好友組中。所述步驟I進一步包括有:
[0026]步驟11、為用戶構建若干個互動類型好友組；
[0027]步驟12、根據用戶與其他用戶在社交網絡中的互動信息，挑選出所有與用戶有成功互動關系的其他用戶，并根據不同用戶之間不同互動類型的成功互動數(shù)，逐一計算每個其他用戶和用戶之間的互動連接強度，如果所述互動連接強度大于強度閾值，則將所述其他用戶根據其與用戶的互動類型劃分到用戶對應的互動類型好友組中，所述強度閾值根據實際業(yè)務需要而定。
[0028]所述步驟12中，其他用戶和用戶之間的互動連接強度的計算公式如下:
[0029]
【權利要求】
1.一種基于社交網絡的圖書推薦方法，其特征在于，包括有: 步驟1、提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中，所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應； 步驟2、分別計算用戶和每個互動類型好友組中的每個好友的成功互動數(shù)，然后從每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。
2.根據權利要求1所述的方法，其特征在于，步驟I進一步包括有: 根據用戶與其他用戶在社交網絡中的互動信息，挑選出所有與用戶有成功互動關系的其他用戶，并根據不同用戶之間不同互動類型的成功互動數(shù)，逐一計算每個其他用戶和用戶之間的互動連接強度，如果所述互動連接強度大于強度閾值，則將所述其他用戶根據其與用戶的互動類型劃分到用戶對應的互動類型好友組中。
3.根據權利要求2所述的方法，其特征在于，其他用戶和用戶之間的互動連接強度的計算公式如下:


imer—type Linkagc_sfrength (.k )= ^ strength—weight(i)x linkage—eount(i?k) y



i=l其中，Linkage_strengt`h (k)是用戶和用戶k之間的互動連接強度；strength_weight (i)是第i種互動類型的互動連接強度貢獻權重；linkage_count (i，k)是用戶和用戶k對于第i種互動類型的成功互動數(shù)；inter_type是互動類型總數(shù)。
4.根據權利要求1所述的方法，其特征在于，步驟2進一步包括有: 步驟21、根據用戶與其他用戶的互動信息，分別統(tǒng)計用戶和每個互動類型好友組中的每個好友的成功互動數(shù)； 步驟22、根據用戶和每個互動類型好友組中的所有好友的成功互動數(shù)，計算用戶與每個互動類型好友組的成功互動數(shù)； 步驟23、根據用戶和每個互動類型好友組的成功互動數(shù)、以及向用戶推薦的圖書總數(shù)，計算每種互動類型中向用戶推薦的圖書數(shù)； 步驟24、按照每種互動類型中向用戶推薦的圖書數(shù):book_count (i), book_count (i)是第i種互動類型中向用戶推薦的圖書數(shù)，從每個互動類型好友組中挑選出成功互動數(shù)最大的前book_count (i)個好友，并逐一提取每個好友在一段時間內閱讀最多的一本圖書向用戶推薦。
5.根據權利要求4所述的方法，其特征在于，步驟22中，用戶與每個互動類型好友組的




Τ(?)成功互動數(shù)的計算公式如下:丨inkage—coum_z(i)=Ilinkage—count (i, t) }其中，




I Ilinkage_countz (i)是用戶與第i個互動類型好友組的成功互動數(shù)，linkage_count (i，t)是用戶與第i個互動類型好友組中的好友t對于第i種互動類型的成功互動數(shù)，T(i)是第i個互動類型好友組中的好友總數(shù)。
6.根據權利要求4所述的方法，其特征在于，步驟23中，每種互動類型中向用戶推薦的圖書數(shù)的計算公式如下:
7.根據權利要求4所述的方法，其特征在于，步驟24中，對于第i種互動類型來說，進一步包括有: 步驟241、按照用戶和第i個互動類型好友組中的每個好友的成功互動數(shù)從大到小的順序，對第i個互動類型好友組中的所有好友進行排序； 步驟242、從第i個互動類型好友組中順序提取排序最前的一個好友； 步驟243、根據所述提取好友的閱讀歷史數(shù)據，挑選出一本其在一段時間內閱讀次數(shù)最多的圖書； 步驟244、判斷所述挑選的圖書是否未向所述用戶推薦、且所述用戶未閱讀過，如果是，則將所述挑選的圖書向用戶推薦，然后繼續(xù)步驟245 ;如果否，則從所述提取好友的閱讀歷史數(shù)據中刪除所述挑選的圖書，并繼續(xù)從所述提取好友的閱讀歷史數(shù)據中挑選出一本其在一段時間內閱讀次數(shù)最多的圖書，然后轉向步驟244 ； 步驟245、調整第i種互動類型中向用戶推薦的圖書數(shù):book_count⑴=book_count (i)-l，并判斷調整后的第i種互動類型中向用戶推薦的圖書數(shù)是否大于0，如果是，則繼續(xù)步驟246 ;如果否，則本流程結束； 步驟246、判斷所述提取好友是否排在第i個互動類型好友組中的最后一個，如果是，則轉向步驟242 ;如果否，則從第i個互動類型好友組中繼續(xù)提取排在所述提取好友下一個的好友，并轉向步驟243。
8.一種基于社交網絡的圖書推薦系統(tǒng)，其特征在于，包括有: 互動好友組構建裝置，用于提取用戶與其他用戶在社交網絡中的互動信息，為用戶構建若干個互動類型好友組，然后將與用戶有成功互動關系的其他用戶根據其互動類型劃分到不同的互動類型好友組中，所述成功互動是用戶對自己與其他用戶之間的互動關系進行回應； 圖書推薦裝置，用于分別計算用戶和用戶的每個互動類型好友組中的每個好友的成功互動數(shù)，然后從用戶的每個互動類型好友組中挑選出成功互動數(shù)最大的前若干個好友，最后將所述若干個好友的閱讀最多的圖書向用戶推薦。
9.根據權利要求8所述的系統(tǒng)，其特征在于，所述互動好友組構建裝置進一步包括有: 互動連接強度計算單元，用于根據用戶與其他用戶在社交網絡中的互動信息，挑選出所有與用戶有成功互動關系的其他用戶，并根據不同用戶之間不同互動類型的成功互動數(shù)，逐一計算每個其他用戶和用戶之間的互動連接強度，如果所述互動連接強度大于強度閾值，則將所述其他用戶根據其與用戶的互動類型劃分到用戶對應的互動類型好友組中。
10.根據權利要求9所述的系統(tǒng)，其特征在于，其他用戶和用戶之間的互動連接強度的計算公式如下:


inter_typeLinkage—strength (k)= ^ strength—weight(i)xlinkage—count(i,k),



i=I 其中，Linkage_strength (k)是用戶和用戶k之間的互動連接強度；strength_weight (i)是第i種互動類型的互動連接強度貢獻權重；linkage_count (i，k)是用戶和用戶k對于第i種互動類型的成功互動數(shù)；inter_type是互動類型總數(shù)。
11.根據權利要求9所述的系統(tǒng)，其特征在于，所述圖書推薦裝置進一步包含有: 成功互動數(shù)計算單元，用于根據用戶與其他用戶的互動信息，分別計算用戶和每個互動類型好友組中的每個好友的成功互動數(shù)； 互動圖書推薦數(shù)計算單元，用于根據用戶和每個互動類型好友組中的所有好友的成功互動數(shù)，計算用戶與每個互動類型好友組的成功互動數(shù)，并根據向用戶推薦的圖書總數(shù)，計算每種互動類型中向用戶推薦的圖書數(shù)； 推薦圖書選擇單元，用于按照每種互動類型中向用戶推薦的圖書數(shù)，從每個互動類型好友組中挑選出成功互動數(shù)最大的、且與每種互動類型中向用戶推薦的圖書數(shù)一致的好友，并逐一提取每個好友在一段時間內閱讀最多的一本圖書向用戶推薦。
12.根據權利要求11所述的系統(tǒng)，其特征在于，所述互動圖書推薦數(shù)計算單元中，用戶與每個互動類型好友組的成功互 動數(shù)的計算公式如下:


T(i) linkage—cou ntz(i)= ^linkage^count


t=i 其中，linkage_countz (i)是用戶與第i個互動類型好友組的成功互動數(shù)，linkage—count (i, t)是用戶與第i個互動類型好友組中的好友t對于第i種互動類型的成功互動數(shù)，T(i)是第i個互動類型好友組中的好友總數(shù)。
13.根據權利要求11所述的系統(tǒng)，其特征在于，所述互動圖書推薦數(shù)計算單元中，每種互動類型中向用戶推薦的圖書數(shù)的計算公式如下: book coimt(i)=book count*.—lmkage_countzW_
—、,—inter type

Σ linkage—coimtz(0 ’

i=l其中，book_count (i)是第i種互動類型中向用戶推薦的圖書數(shù)，book_count是向用戶推薦的圖書總數(shù)，linkage_C0UntZ(i)是用戶與第i個互動類型好友組的成功互動數(shù)，


inter—typeinter_type是互動類型總數(shù)，^ linkage countz(丨)是用戶與所有互動類型好友組的

卜I成功互動數(shù)之和，并對book_count (i)的數(shù)值取整。
14.根據權利要求11所述的系統(tǒng)，其特征在于，所述推薦圖書選擇單元進一步包括有: 好友選擇部件，用于按照用戶和每個互動類型好友組中的每個好友的成功互動數(shù)從大到小的順序，對每個互動類型好友組中的所有好友進行排序，然后按照每種互動類型中向用戶推薦的圖書數(shù)，順序從互動類型好友組中提取相應數(shù)量的好友，如果已提取至互動類型好友組中的最后一個、且已向用戶推薦的圖書數(shù)小于該種互動類型中向用戶推薦的圖書數(shù)時，繼續(xù)從互動類型好友組中提取排在最前的一個好友，直至已向用戶推薦的圖書數(shù)等于該種互動類型`中向用戶推薦的圖書數(shù)為止。
【文檔編號】G06F17/30GK103488714SQ201310412306
【公開日】2014年1月1日 申請日期:2013年9月11日 優(yōu)先權日:2013年9月11日
【發(fā)明者】廖建新, 李曲, 王超蕓, 崔曉茹, 趙貝爾 申請人:杭州東信北郵信息技術有限公司