[发明专利]一种考虑用户‑作者关系建模的个性化搜索方法

权利要求书

1.一种考虑用户-作者关系建模的个性化搜索方法，是应用于社交网络中，所述社交网络中包含搜索用户U以及所述搜索用户U所关注的对象；将所述搜索用户U所关注的对象记为所述搜索用户U的关注者集合F_U＝{f₁,f₂,…,f_j,…f_J}；f_j表示第j个关注者；则所述搜索用户U为所述第j个关注者f_j的粉丝；1≤j≤J；其特征是按如下步骤进行：

步骤1、获得主题词矩阵

步骤1.1、从所述社交网络上收集原始语料集D并进行分词处理，获得所述原始语料集D的词语集W；

步骤1.2、对所述词语集W进行去冗余处理，获得词典C＝{c₁,c₂,…,c_i,…,c_n}；c_i表示所述词典C中第i个词语；n表示词语的总数；1≤i≤n；

步骤1.3、对所述词语集W进行LDA模型训练，获得主题词矩阵ω_p,q表示第q个词语c_q在第p个主题上出现的概率；m表示主题的总数；1≤p≤m；

步骤2、获得所述搜索用户U的兴趣度θ_U及其词语集W_U的混合概率以及J个关注者的兴趣度Θ_F及其词语集W_U的混合概率Φ_F；

步骤2.1、从所述社交网络上收集所述搜索用户U的原始语料集以及所述关注者集合F_U的原始语料集并分别进行分词处理，获得所述搜索用户U的词语集，记为以及所述关注者集合F_U的词语集，记为表示所述搜索用户U的第l条原始语料；表示第j个关注者f_j的原始语料集；表示所述搜索用户U的词语集W_U中第k个词语；表示第j个关注者f_j的词语集；1≤k≤K；1≤l≤L；

步骤2.2、利用所述主题词矩阵对所述搜索用户U的词语集W_U进行训练，获得所述搜索用户U的词语集W_U中每个词语所对应的主题，以及所述搜索用户U对所有主题的兴趣度，记为表示所述搜索用户U对第p个主题的兴趣度；

步骤2.3、统计所述词语集W_U中每个词语在所对应的主题上出现的概率，记为表示所述搜索用户U的词语集W_U中第k个词语在其对应的主题上出现的概率；

步骤2.4、根据所述词语集W_U的概率在所述主题词矩阵中进行匹配，获得所述词语集W_U中每个词语在所述主题词矩阵中出现的概率表示所述搜索用户U的词语集W_U中第k个词语在所述主题词矩阵中出现的概率；

步骤2.5、利用式(1)所示的Jelinek-Mercer平滑方法获得所述词语集W_U中第k个词语的混合概率从而获得所述词语集W_U的混合概率

式(1)中，λ表示所述Jelinek-Mercer平滑方法的平滑参数；

步骤2.6、根据步骤2.2-步骤2.5，对所述关注者集合F_U的词语集W_F进行处理，获得J个关注者对每个主题的兴趣度，记为以及J个关注者的词语集的混合概率集表示第j个关注者f_j的所有主题的兴趣度集合；并有表示第j个关注者f_j对第p个主题的兴趣度；表示第j个关注者f_j的词语集中所有词语的混合概率；

步骤3、获得J个关注者F_U在m个主题上的交互率IN：

步骤3.1、将所述搜索用户U的原始语料集D_U与所述第j个关注者f_j的原始语料集进行交集处理，获得所述搜索用户U转发所述第j个关注者f_j的原始语料集，记为并进行分词处理，获得所述搜索用户U转发第j个关注者f_j的词语集，记为表示所述搜索用户U转发所述第j个关注者f_j的原始语料集中第z条原始语料；表示所述搜索用户U转发第j个关注者f_j的词语集中第t个词语；1≤t≤T；1≤z≤Z；

步骤3.2、统计所述搜索用户U转发第j个关注者f_j的词语集中第t个词语在第p个主题上出现的次数，记为从而获得T个词语在第p个主题上出现的次数，记为

步骤3.3，重复步骤3.2，从而获得所述搜索用户U转发第j个关注者f_j的词语集中T个词语在m个主题上出现的次数，记为

步骤3.4，重复步骤3.3，获得所述搜索用户U转发J个关注者F_U的词语集中的所有词语在m个主题上出现的次数，记为S＝{S₁,S₂,…,S_j,…,S_J}；

步骤3.5、利用式(2)获得第j个关注者f_j在第p个主题上的交互率从而获得第j个关注者f_j在m个主题上的交互率进而获得J个关注者F_U在m个主题上的交互率IN＝{IN₁,IN₂,…,IN_j,…,IN_J}：

${\mathrm{IN}}_j^{\left(p\right)}=\frac{S_j^{\left(p\right)}}{\underset{j=1}{\overset{J}{\Σ}}{S}_j^{\left(p\right)}}---\left(2\right)$

步骤4、利用式(3)所示的KL散度来衡量所述搜索用户U对所有主题的兴趣度θ_U与所述第j个关注者f_j的所有主题的兴趣度集合之间的相似度从而获得所述搜索用户U对所有主题的兴趣度θ_U与J个关注者的所有主题的兴趣度集合之间的相似度

${\mathrm{SIM}}_j^U=\frac{1}{KL\left({\mathrm{\θ}}_U\right|\left|{\mathrm{\θ}}_j^F\right)}---\left(3\right)$

步骤5、利用式(4)获得第j个关注者f_j的热门度POP_j，从而获得J个关注者F_U的热门度POP_U＝{POP₁,POP₂,…,POP_j,…,POP_J}：

${\mathrm{POP}}_j=\frac{log\left({\mathrm{\ρ}}_j\right)}{log\left({\mathrm{\ρ}}_{\max }\right)}---\left(4\right)$

式(4)中，ρ_j表示所述社交网络中第j个关注者f_j拥有的粉丝数量，ρ_max表示所述社交网络中拥有最大粉丝数用户的粉丝量；

步骤6、获得所述搜索用户U在m个主题下K个词语的评价模型

步骤6.1、利用式(5)获得第j个关注者f_j对第p个主题的评价值

${\mathrm{\Γ}}_p^{\left(j\right)}={({\mathrm{\σ}}_1,{\mathrm{\σ}}_2,{\mathrm{\σ}}_3,{\mathrm{\σ}}_4)}^T\left(\begin{array}{c}{\mathrm{\θ}}_p^{\left(j\right)}\\ {\mathrm{IN}}_j^{\left(p\right)}\\ {\mathrm{SIM}}_j^U\\ {\mathrm{POP}}_j\end{array}\right)---\left(5\right)$

式(5)中，σ₁,σ₂,σ₃,σ₄分别表示兴趣度的权重、交互率的权重、相似度的权重和热门度POP_j的权重；并有σ₁+σ₂+σ₃+σ₄＝1；

步骤6.2、利用式(6)获得第j个关注者f_j对m个主题的评价和Γ_j，从而获得J个关注者F_U对m个主题的评价和Γ_U＝{Γ₁,Γ₂,…,Γ_j,…,Γ_J}：

${\mathrm{\Γ}}_j=\underset{p=1}{\overset{m}{\Σ}}{\mathrm{\Γ}}_p^{\left(j\right)}---\left(6\right)$

步骤6.3、对所述J个关注者的评价和Γ_U进行降序排序，并选取前X个评价和，记为Γ′_U＝{Γ′₁,Γ′₂，…,Γ′_x,…,Γ′_X}；Γ′_x表示所述前X个评价和中第x个评价和；1≤x≤X；

步骤6.4、利用式(7)所示的Dirichlet先验平滑方法获得所述搜索用户U在第p个主题下对第k个词语的评价模型从而获得所述搜索用户U在第p个主题下K个词语的评价模型进而获得所述搜索用户U在m个主题下K个词语的评价模型

式(7)中，表示所述第x个关注者f_x的词语集中第k个词语在所述主题词矩阵中出现的概率；β表示所述Dirichlet先验平滑方法的平滑参数；

步骤7、获得由相似度和关注交叉率构成的搜索用户U与第g个作者a_g的交互率；

步骤7.1、所述搜索用户U在所述社交网络中提交搜索词组Que进行查询，返回G条原始语料和所述G条原始语料所对应的作者；将G条原始语料记为表示第g条原始语料；将所述G条原始语料所对应的作者记为集合A＝{a₁,a₂,…,a_g,…,a_G}；a_g表示第g个作者；将所述G个作者的所有原始语料集合记为表示第g个作者a_g的原始语料集；1≤g≤G；

步骤7.2、对所述G个作者A的原始语料集合D_A进行分词处理，获得所述G个作者A的词语集，记为表示所述第g个作者a_g的词语集；1≤e≤E；

步骤7.3、根据步骤2.2-步骤2.5，对所述作者集合A的词语集W_A进行处理，获得G个作者对每个主题的兴趣度，记为表示第g个作者a_g的所有主题的兴趣度集合；并有表示第g个作者a_g对第p个主题的兴趣度；

步骤7.4、利用式(8)所示的KL散度来衡量所述搜索用户U对所有主题的兴趣度θ_U与所述第g个作者a_g的所有主题的兴趣度集合之间的相似度从而获得所述搜索用户U对所有主题的兴趣度θ_U与G个作者的所有主题的兴趣度集合之间的相似度

${\mathrm{SIM}}_g^{\′U}=\frac{1}{KL\left({\mathrm{\θ}}_U\right|\left|{\mathrm{\θ}}_g^A\right)}---\left(8\right)$

步骤7.5、利用式(9)所示的Jaccard距离计算所述搜索用户U与第g个作者a_g的关注交叉率Jaccard(U,g)，从而获得所述搜索用户U与G个作者的关注交叉率：

$Jaccard(U,g)=\frac{|Fol\left(U\right)\∩Fol\left(g\right)|}{|Fol\left(U\right)\∪Fol\left(g\right)|}---\left(9\right)$

式(9)中，Fol(U)表示所述搜索用户U所关注的对象的集合；Fol(g)表示第g个作者a_g所关注的对象的集合；

步骤8、获得由影响力Inf(g)、传播能力Tra(g)、认证度PC(g)和权威度Auth(g)所构成的第g个作者a_g的评价指标；

步骤8.1、利用式(10)获得第g个作者a_g的影响力Inf(g)：

$Inf\left(g\right)=\frac{inp\left(g\right)}{inp\left(g\right)+out\left(g\right)}---\left(10\right)$

式(10)中，inp(g)表示第g个作者a_g的粉丝数量；out(g)表示第g个作者a_g所关注的对象数量；

步骤8.2、利用式(11)获得第g个作者a_g的传播能力Tra(g)：

Tra(g)＝lg(1+ret(g)) (11)

式(11)中，ret(g)表示第g个作者a_g所有原始语料的被转发总数；

步骤8.3、判断所述第g个作者a_g是否为认证用户，若是认证用户，则令认证度PC(g)＝τ；否则，令认证度PC(g)＝0；

步骤8.4、利用所述主题词矩阵对第g条原始语料的词语集W_U进行训练，获得第g条原始语料的词语集中每个词语所对应的主题，以及第g条原始语料所对应的第p个主题分布η_Que(g,p)；并利用式(12)获得第g个作者a_g的权威度Auth(g)；

$Auth\left(g\right)=\underset{p=1}{\overset{m}{\Σ}}{\mathrm{\η}}_{Que}(g,p)\×{\mathrm{\θ}}_p^{\left(g\right)}---\left(12\right)$

步骤9，获得由长度比值Len(g)、外联度Url(g)、标签值Has(g)和转发率Ret(g)所构成的第g条原始语料的评价指标；

步骤9.1、利用式(13)获得第g条原始语料的长度比值Len(g)：

$Len\left(g\right)=\frac{l\left(g\right)}{\underset{d^{\′}\∈D_g^A}{max}l\left(d^{\′}\right)}---\left(13\right)$

式(13)中，l(g)表示第g条原始语料的词语总数；l(d′)表示第g个作者a_g的原始语料集中任意一条语料的词语总数；

步骤9.3、判断所述第g条原始语料是否含有链接，若含有链接，则令外联度Url(g)＝μ；否则，令外联度Url(g)＝0；

步骤9.4、判断所述第g条原始语料是否含有标签，若含有标签，则令标签值Has(g)＝ρ；否则，令标签值Has(g)＝0；

步骤9.5、利用式(14)获得第g条原始语料的转发率Ret(g)：

$\mathrm{Re}t\left(g\right)=\frac{ret\left(g\right)}{\underset{g^{\′}\∈D_{Que}}{max}ret\left(g^{\′}\right)}---\left(14\right)$

式(14)中，ret(g)表示第g条原始语料被转发的次数；ret(g')表示G条原始语料D_Que中任意一条原始语料被转发的次数；

步骤10、获得搜索结果；

步骤10.1、利用式(15)获得所述搜索用户U对第g条原始语料的第g个作者a_g的信任度ψ_U,g：

${\mathrm{\ψ}}_{U,g}={\mathrm{\α}}_1^T\left(\begin{array}{c}Len\left(g\right)\\ Url\left(g\right)\\ Has\left(g\right)\\ \mathrm{Re}t\left(g\right)\end{array}\right){\mathrm{\α}}_2^T\left(\begin{array}{c}Inf\left(g\right)\\ Tra\left(g\right)\\ PC\left(g\right)\\ Auth\left(g\right)\end{array}\right){\mathrm{\α}}_3^T\left(\begin{array}{c}{\mathrm{SIM}}_g^{\′U}\\ Jaccard(U,g)\end{array}\right)---\left(15\right)$

式(15)中，分别表示第g条原始语料评价指标的权重、第g个作者a_g评价指标的权重、搜索用户U与第g个作者a_g交互率的权重；0≤ψ_U,g≤1；

步骤10.2、利用式(16)获得第g条原始语料的综合评分从而获得G条原始语料的综合评分：

步骤10.3、对所述G条原始语料的综合评分进行降序排序，所获得的排序结果即为所述个性化搜索方法的搜索结果。