[发明专利]一种结合SNS和搜索引擎技术的推荐系统与方法

说明书

技术领域

本发明属于互联网数据挖掘的推荐技术领域，特别涉及一种结合SNS（全称Social Networking Services，即社会性网络服务）和搜索引擎技术的推荐系统与方法。

背景技术

随着网络时代的飞速发展，信息发展速度极快，在海量信息中，人们已经不能轻松地找到自己所需要的信息。信息检索技术的出现满足了人们一定的需要，但由于其通用性，仍然不能满足不同背景、不同目的和不同时期的用户查询请求。在电子商务领域中，用户找不到适合自己的产品的现象更加常见。因为产品的数量非常多，每个产品都被商家形容得非常好，同时又通过一些利益手段使得自己的产品更容易被搜到，商家也可能雇人把自己的产品的购买量提高，甚至给出多个好评，夸大了产品的质量。这种不诚实的行为成为了电子商务的一个弊端，使得用户难以找到适合自己的产品。

为了让用户可以更轻易地找到适合自己的产品，研究用户-产品模型的推荐系统就产生了。推荐系统，是指建立在对每一个用户的信息和行为深刻了解的基础之上，为用户主动推送适合的相关产品。因此关于推荐系统的研究便成为了当今时代的一个讨论热点，一系列的推荐技术和算法被研究出来。其中协同过滤推荐是最成功的个性化推荐技术，但是人们也逐渐认识到这种算法的不足，缺点主要有稀疏性、可扩展性、冷启动问题以及用户多兴趣问题。即使相关学者研究了解决方案，但仍不能真正有效地解决问题。主要原因在于基于一个推荐模型的推荐系统存在着难以解决的不足，难以有效地提供满足用户的需求。

SNS，即社交网络服务，是当前流行的社交网络为平台的一种服务。人们使用这种服务时，通常需要输入真实的个人信息，在网络上与自己的现实好友建立联系，互相分享，互相交流。因此结合SNS具有真实性和传播性的特点，能够有利于推荐系统提高推荐结果准确性和系统结构的整体优化。

发明内容

本发明目的是解决现今单一推荐模型所生成的推荐结果过于片面、单一推荐结果列表不能满足用户需求和现有混合推荐模型对模型的选择过于盲目的问题，同时解决现有推荐方法所参考的基于全互联网数据所存在的可信度不高的问题。

本发明的目的是通过如下技术方案实现的：

一种结合SNS和搜索引擎技术的推荐系统，包括：

获取好友信息模块，用于从相应的SNS平台获取与用户最亲密的前150个好友的交互信息数据，主要包括用户与某好友的联系次数和联系时间，另外还需要获取该好友浏览过的应用记录，拥有的应用记录，评论了的应用记录和推荐了的应用记录信息；

基于SNS好友亲密度的推荐结果生成模块，用于根据所述获取信息模块所获得的用户好友交互信息来计算目标用户与某好友间的亲密度和计算该用户对某产品的分类值，然后根据所得的好友亲密度和分类值信息再计算出用户某好友关注某产品的推荐优先值，并将推荐优先值排序来获得结合SNS的一个产品推荐列表，最后暂存该列表；

获取搜索行为信息模块，用于从用户的搜索行为信息数据库中，获取目标用户和其他用户的行为信息并生成用户——产品二维浏览矩阵；

基于搜索行为信息的推荐结果生成模块，用于根据获取搜索行为信息模块得到的浏览矩阵，计算出与用户行为最接近的相似用户群，并根据该用户群计算出某产品在该相似用户群中的拥有人数，最后按照拥有人数从大到小排序从而获得结合搜索引擎技术的一个产品推荐列表，并暂存；

结果整合模块，用于将由所述基于SNS好友亲密度的推荐结果生成模块生成的列表和所述基于搜索行为信息的推荐结果生成模块生成的列别各，同时分别输出显示。

所述基于SNS好友亲密度的推荐结果生成模块实现过程如下：

（1）使用以下公式来计算用户与好友的亲密度：

Li=Ci+tiT]]>

其中L_i代表用户i与好友的亲密度，C_i表示好友i与目标用户的联系次数，t_i表示好友i与目标用户的联系时间，T表示所有好友与与目标用户的联系总时间。

（2）使用以下公式来计算产品的分类值：