基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法
【專利摘要】本發(fā)明提供一種基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法，該方法首先收集用戶與朋友的歷史評分信息；然后再將收集到的信息進(jìn)行處理；最后給用戶準(zhǔn)確的推薦評分，其中用戶收集朋友的歷史評分信息是通過在線社交網(wǎng)絡(luò)獲得，處理信息主要是根據(jù)貝葉斯定理來進(jìn)行計算，用戶可以更新整個網(wǎng)絡(luò)的概率分布。本發(fā)明能夠不斷地進(jìn)行動態(tài)學(xué)習(xí)，很好地利用在線社交網(wǎng)絡(luò)幫助用戶推薦產(chǎn)品，保證推薦質(zhì)量與推薦量之間的權(quán)衡。
【專利說明】基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及在線社交網(wǎng)絡(luò)的交互方法，建立一種新型推薦系統(tǒng)，利用貝葉斯推理原理進(jìn)行高效推薦，屬于軟件工程、人機(jī)交互、互聯(lián)網(wǎng)交叉技術(shù)應(yīng)用領(lǐng)域。
【背景技術(shù)】
[0002]近年來，在線社交網(wǎng)絡(luò)逐漸流行，吸引了成千上萬的用戶，已經(jīng)成為當(dāng)今構(gòu)建朋友關(guān)系和分享信息的主要平臺之一。在線社交網(wǎng)絡(luò)中，朋友推薦是一個關(guān)鍵性的任務(wù)，在我們的生活中發(fā)揮著越來越重要的作用。準(zhǔn)確的建議可以使用戶能夠快速找到理想的項目而不被不相關(guān)的信息淹沒。供應(yīng)商很樂意給他們的潛在客戶推薦他們滿意的商品，并且希望把它們變成真正的買家。
[0003]在現(xiàn)實生活中，人們購買商品或消費(fèi)服務(wù)之前，往往在他們的社交網(wǎng)絡(luò)求助于朋友并征求他們的意見。在社會學(xué)和心理學(xué)領(lǐng)域的研究結(jié)果表明，人類往往傾向于和同類型的人在一起，這就是所謂的同質(zhì)性。由于穩(wěn)定而持久的社會關(guān)系，人們更愿意與他們的朋友分享他們的個人意見，并且比起陌生人和供應(yīng)商，他們更加信任來自朋友的建議。在線社交網(wǎng)絡(luò)不僅方便用戶分享他們的意見，并且也可以作為一個平臺，來自動化執(zhí)行現(xiàn)實生活中基于在線社交網(wǎng)絡(luò)的推薦算法。
[0004]貝葉斯方法是一種在已知先驗概率和條件概率的情況下，計算后驗概率的模式識別方法。其分類的原理是根據(jù)某實例的先驗概率，利用貝葉斯公式計算出其后驗概率，即該實例屬于某一類的概率，選擇具有最大后驗概率的類作為該實例所屬的類。該方法是用概率來表示所有形式的不確定性，用概率規(guī)則來實現(xiàn)學(xué)習(xí)或其他形式的推理，具有魯棒性強(qiáng)，易實現(xiàn)等優(yōu)點，是處理不確定性問題的有力工具，已在人類學(xué)習(xí)機(jī)制探索及Web采掘等方面得到了廣泛的應(yīng)用，并成為人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)采掘等領(lǐng)域研究的熱點之一。

【發(fā)明內(nèi)容】

[0005]技術(shù)問題:本發(fā)明的目的是提供一種基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法，該方法以在線社交網(wǎng)絡(luò)為平臺，以一組條件概率來衡量在線社交網(wǎng)絡(luò)關(guān)聯(lián)用戶之間評分的相似性，并根據(jù)貝葉斯推理來推斷出用戶的評分，解決推薦質(zhì)量與推薦量間靈活權(quán)衡以及評分稀疏的問題。
[0006]技術(shù)方案:本發(fā)明所述的基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法，用戶在在線社交網(wǎng)絡(luò)中通過運(yùn)行代理連接其自己的設(shè)備，向朋友發(fā)布自己的評分，用戶查詢得到在線社交網(wǎng)絡(luò)中朋友的評分，再根據(jù)所得的歷史相似性評分由貝葉斯推理方法推理得到新的推薦評分。
[0007]基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法包括以下步驟:
[0008]步驟I)獲得用戶在在線社交網(wǎng)絡(luò)中輸入的當(dāng)前所購買產(chǎn)品的名稱；所述在線社交網(wǎng)絡(luò)是在互聯(lián)網(wǎng)上與其他人相聯(lián)系的一個平臺，用戶對產(chǎn)品進(jìn)行評分，同時分享給該用戶的朋友，查詢該用戶的朋友的評分；[0009]步驟2)查詢獲取在線社交網(wǎng)絡(luò)中用戶的朋友對當(dāng)前所購買產(chǎn)品已給出的評分；
[0010]步驟3)按照查詢到的用戶朋友對當(dāng)前所購買產(chǎn)品的評分大小對朋友進(jìn)行分類，評分相同的朋友歸為一類；
[0011]步驟4)獲取用戶已購買其他產(chǎn)品及相對應(yīng)的評分；
[0012]步驟5)依次獲取其中一類朋友及相對應(yīng)的評分，評分記為ti;i是朋友類的序號；
[0013]步驟51)依次獲取這類朋友中一個朋友k的已購買其他產(chǎn)品及相對應(yīng)的評分，所述k表不朋友的序號；
[0014]步驟511)將用戶已購買的其他產(chǎn)品與這個朋友已購買的其他產(chǎn)品進(jìn)行比較，獲得用戶與這個朋友都評過分的相同產(chǎn)品及相對應(yīng)的評分；在這相同的產(chǎn)品中，計算當(dāng)用戶評分為ti時,該朋友評分也為ti所占的比例，記為P (Rk = til Rs = ti),所述i表示朋友類的序號，\表示朋友類i的評分，Rs表示用戶s的評分，Rk表示其中某一朋友k的評分，P (Rk=til Rs = ti)表示當(dāng)用戶評分為ti時，朋友k的評分也為ti所占的比例；當(dāng)用戶與朋友沒有相同的評分ti; P(Rk = Rs = 的值設(shè)定為10% ；
[0015]步驟512)依次計算當(dāng)用戶評分為\時，其余朋友評分為\所占的比例；
[0016]步驟52)將獲得到的這類朋友的所有比例求平均值，得到用戶與評分為\的這類用戶的聯(lián)合關(guān)系，記為P (Qt = ti I Rs = = mean (P (Rk = h |RS = tj),所述t表示朋友類i的評分；RS表示用戶s的評分；Rk表示某一朋友k的評分；Qt表示評分相同的一類朋友的評分；mean(P(Rk = t, | Rs = t,))表示用戶評分為\時，一類用戶中評分為\的朋友所占比例的平均值，k依次為這一類用戶的序號；P(Qt = tjRs = U表示用戶評分為\時，一類用戶評分為\所占的比例；
[0017]步驟53)依次計算用戶與其余評分的各類朋友的聯(lián)合關(guān)系；
[0018]步驟6)計算用戶在已購買其他產(chǎn)品的評分中，每個評分所占的比例，記為P(RS =\)，所述\表示朋友類i的評分，Rs表示用戶s的評分，P (Rs = 表示用戶在已購買其他產(chǎn)品的評分中，每個評分所占的比例；當(dāng)用戶從來沒有評過某分，它的值設(shè)定為1% ；
[0019]步驟7)根據(jù)貝葉斯公式計算每種評分在所有評分中所占的比例，由
【權(quán)利要求】
1.一種基于在線社交網(wǎng)絡(luò)的幫助用戶給產(chǎn)品評分的方法，其特征在于該方法包括以下步驟: 步驟I)獲得用戶在在線社交網(wǎng)絡(luò)中輸入的當(dāng)前所購買產(chǎn)品的名稱；所述在線社交網(wǎng)絡(luò)是在互聯(lián)網(wǎng)上與其他人相聯(lián)系的一個平臺，用戶對產(chǎn)品進(jìn)行評分，同時分享給該用戶的朋友，查詢該用戶的朋友的評分； 步驟2)查詢獲取在線社交網(wǎng)絡(luò)中用戶的朋友對當(dāng)前所購買產(chǎn)品已給出的評分； 步驟3)按照查詢到的用戶朋友對當(dāng)前所購買產(chǎn)品的評分大小對朋友進(jìn)行分類，評分相同的朋友歸為一類； 步驟4)獲取用戶已購買其他產(chǎn)品及相對應(yīng)的評分； 步驟5)依次獲取其中一類朋友及相對應(yīng)的評分，評分記為ti; i是朋友類的序號；步驟51)依次獲取這類朋友中一個朋友k的已購買其他產(chǎn)品及相對應(yīng)的評分，所述k表不朋友的序號； 步驟511)將用戶已購買的其他產(chǎn)品與這個朋友已購買的其他產(chǎn)品進(jìn)行比較，獲得用戶與這個朋友都評過分的相同產(chǎn)品及相對應(yīng)的評分；在這相同的產(chǎn)品中，計算當(dāng)用戶評分為h時,該朋友評分也為h所占的比例，記為P (Rk = ti I Rs = tj ,所述i表示朋友類的序號，\表示朋友類i的評分，Rs表示用戶s的評分，Rk表示其中某一朋友k的評分，P (Rk =^ IRs = ti)表示當(dāng)用戶評分為ti時，朋友k的評分也為ti所占的比例；當(dāng)用戶與朋友沒有相同的評分ti； P(Rk = ti I Rs = ti)的值設(shè)定為10% ； 步驟512)依次計算當(dāng)用戶評分為\時，其余朋友評分為\所占的比例； 步驟52)將獲得到的這類朋友的所有比例求平均值，得到用戶與評分為\的這類用戶的聯(lián)合關(guān)系，記為P (Qt = ti I Rs = = mean (P (Rk = tjR, = t^),所述表示朋友類i的評分；RS表示用戶s的評分；Rk表示某一朋友k的評分；Qt表示評分相同的一類朋友的評分；mean(P(Rk = t, | Rs = t,))表示用戶評分為\時，一類用戶中評分為\的朋友所占比例的平均值，k依次為這一類用戶的序號；P(Qt = Rs = 表示用戶評分為\時，一類用戶評分為\所占的比例； 步驟53)依次計算用戶與其余評分的各類朋友的聯(lián)合關(guān)系； 步驟6)計算用戶在已購買其他產(chǎn)品的評分中，每個評分所占的比例，記為P(RS = \)，所述\表示朋友類i的評分，Rs表示用戶s的評分，P(RS = 表示用戶在已購買其他產(chǎn)品的評分中，每個評分所占的比例；當(dāng)用戶從來沒有評過某分，它的值設(shè)定為1% ; 步驟7)根據(jù)貝葉斯公式計算每種評分在所有評分中所占的比例，由

【文檔編號】G06F17/30GK104008141SQ201410193932
【公開日】2014年8月27日 申請日期:2014年5月8日 優(yōu)先權(quán)日:2014年5月8日
【發(fā)明者】王東, 陳志 , 岳文靜 申請人:南京郵電大學(xué)