[发明专利]一种基于动态社团识别的社交网络交友推荐方法及系统

说明书

技术领域

本发明属于互联网技术领域，具体涉及一种基于动态社团识别的社交网络交友推荐方法及系统。

背景技术

当前社交网络及软件的好友推荐方法主要基于社交网络中的用户相似性度量来推荐，代表性的产品及功能包括腾讯QQ的可能认识的人、Facebook的People You May Know等。这些方法的共同特点是：共同好友数较多的潜在好友更有可能被推荐。

但是，在实际应用中，社交网络好友推荐的效果较差。现有的社交网络好友推荐方法面临着一个困境：推荐的人都认识，但是不愿意加为好友。这存在两个问题：(1)共同好友数较多的潜在好友，往往是用户参加的一个成熟社团中用户不感兴趣的部分。例如，用户加了高中班级的80％的同学作为好友，那么与剩下的20％的共同好友数很高，但是可能这剩下的20％用户不愿意加为好友；再例如，用户加了单位80％的同事，但是剩下的20％的领导不愿意加为好友；(2)相反，某些共同好友数较少的潜在好友，可能是因为社团正在形成。例如，新入学的大学班级，大家处于互相认识和熟悉的阶段，这样的潜在好友共同好友数并不高，却反而是用户比较感兴趣的。这些原因共同造成了基于相似性度量的好友推荐的不准确。

发明内容

为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种基于动态社团识别的社交网络交友推荐方法及系统。

本发明是通过以下技术方案来实现：

本发明公开了一种基于动态社团识别的社交网络交友推荐方法，包括以下步骤：

步骤一，从用户设计关系数据库中获得用户二度好友列表，进行社团识别，同时计算社团相关性指标；

步骤二，基于社团相关性指标计算结果，对所得到的社团进行分类；

步骤三，根据社团分类结果，进行好友推荐，并通过社团类别展示好友推荐结果。

步骤一所述从用户设计关系数据库中获得用户二度好友列表，进行社团识别，具体操作为：

1)获取目标用户的好友ID列表，为该用户的一度好友列表；再获取目标用户的每个好友的好友ID列表，为该用户的二度好友列表；合并一度好友列表和二度好友列表，若存在重复，则删除二度好友列表中的记录，合并后的列表为全部好友ID列表；

2)判断全部好友ID列表中，任意两个ID之间是否存在好友关系，构建邻接矩阵；

3)基于邻接矩阵，对全部好友ID列表组成的网络的进行社团识别，输出每个ID属于的社团。

步骤一所述的计算社团相关性指标，是指为每个ID属于的社团计算社团关系密度、社团关系的平均建立时长、用户与社团的连接密度及用户与社团的关系平均建立时长。

社团相关性指标计算方法如下：

社团关系密度＝社团中的好友关系数*2/[社团中ID数*(社团中ID数-1)]；

社团关系的平均建立时长＝社团中关系的建立时长之和/社团中的好友关系数；

用户与社团的连接密度＝用户与社团中ID的好友关系数/社团中ID数；

用户与社团的关系平均建立时长＝用户与社团中ID的好友关系建立时长之和/用户与社团中ID的好友关系数。

步骤二对社团进行分类具体操作如下：

1)基于社团关系密度和社团关系的平均建立时长，将社团分为成熟社团、成长中社团和初始社团；

其中，定义社团关系平均建立时长大于180天的为成熟社团；社团关系平均建立时长小于等于180天但大于30天的为成长中社团；社团关系平均建立时长小于等于30天的为初始社团；

2)基于用户与社团的连接密度和用户与社团的关系平均建立时长为社团分类，将社团分为用户已进入社团、用户正在进入社团以及用户不相关社团；

其中，定义用户与社团的连接密度大于0.6的为用户已进入社团；用户与社团的连接密度大于0.1但小于等于0.6的为用户正在进入社团；用户与社团的连接密度小于等于0.1的为用户不相关社团。

步骤三所述根据社团分类结果进行好友推荐，具体操作为：

当社团为用户不相关社团时，不触发任何操作；

当社团为用户已进入社团时，不触发任何操作；

当社团为成长中社团或初始社团，且为用户正在进入社团时，按照社团成员与用户的共同好友数的多少，从高到低排序，推荐共同好友数最高的前10到100名潜在好友；

当社团为成熟社团，且为用户正在进入社团时，按照与用户的共同好友数的多少，从高到低排序，推荐共同好友数最高的前1到3名潜在好友；

当与这些潜在好友建立联系后，再依共同好友数从多到少的顺序逐渐展示其它潜在好友。