[发明专利]基于社团发现的好友推荐系统及其方法

权利要求书

1.基于社团发现的好友推荐系统，其特征在于：包括数据处理模块、数据处理模块、数据存储模块、业务逻辑模拟和显示模块：

所述的数据获取模块，根据用户的在移动设备上的签到数据，获取其地理位置和好友关系等数据，并将所述的用户数据发送给用户处理模块；

所述的数据处理模块，分析数据属性，将数据集中的数据根据用户关系和签到属性等信息发送给数据存储模块；

所述数据存储模块，接收到数据分析模块传输来的数据信息进行归纳整理，再利用数据挖掘技术找到用户对地点签到的地点的经纬度、签到时间和好友关系，并用矩阵表示，并将所述用户签到数据库的数据发送到所述数据存储模块模块；

所述的数据存储模块将获取到的用户数据分别存储在用户关系数据库和用户签到数据库，并将数据发送给业务逻辑模块；

所述的业务逻辑模块先将签到数据的数据进行属性分析，根据用户签到地理位置和好友关系，计算用户的熟识度和签到地理位置的距离计算用户相似度，加入LMF算法中作为社团划分的权值，根据社团划分的结果，在社团中计算离散的用户签到时间的24小时时间槽的签到概率，再根据信息熵处理签到概率，降低概率签到概率的影响，最后采用核密度估计算法，转换为24小时的连续签到概率密度，再根据用户对签到地点的签到概率，计算用户之间的对地点的签到兴趣，计算两者的相似性，最后发送给所述显示模块。

所述的显示模块将所述业务逻辑模块发送的用户时间相似度和签到偏好相似度根据一定的权值计算得到与目标用户相似性最高的用户，最后推荐给目标用户。

2.根据权利要求1所述基于社团发现的好友推荐系统，其特征在于：所述的业务逻辑模块对所述用户签到数据库发来的数据进行属性分析前，需判断用户是否为新用户并进行相应操作，具体步骤如下：

S11：判断用户是否为新用户；

S12：若用户为新用户，根据其签到的位置信息计算其与其他用户的地理位置的远近，加入到LMF算法中作为唯一权值进行社团划分，将得到的社团中的用户再采取核密度则采取核密度估计算法，则先对签到时间概率分析，在根据用户签到地点进行概率分析；

S13：若用户为老用户，则先根据用户之间的距离和好友关系计算用户距离相似度和熟识度，以此作为权值加入到LMF算法中进行社团划分，得到属性更加贴近的好友集合，再采取核密度估计算法对签到时间概率分析和用户签到地点进行概率分析。

3.根据权利要求1所述基于移动社交网络的好友推荐系统，其特征在于：所述数据获取模块获取用户手机上的GPS数据，是用户对地点的实时签到数据，用于实时更新用户的签到数据。

4.基于社团发现的好友推荐方法，其特征在于，包括以下几个步骤：

S1：获取用户的实时签到数据；

S2：先对S1得到的数据进行归纳处理，得到用户基础信息和签到时间和签到地点，并得到每个用户的签到时间和地点位置，并用矩阵表示；

S3：将得到的数据存入用户好友关系数据库和签到数据库；每当用户新签到一个地点时，签到数据库中相应的签到地点和签到时间也会发生动态的变化；

S4：分析用户好友关系，计算用户好友熟识度，根据用户签到地理位置的距离计算其距离相似度，将得到的好友熟识度和距离相似度作为权值再加入到LMF算法中，进行社团划分。再得到的社团用户中，分析用户的签到数据，根据用户的签到时间，计算其在24小时时间槽的签到概率，采用信息熵来减少低概率签到的影响，再采用核密度估计算出用户整体时间签到概率密度和根据用户对签到地点的签到概率度计算用户地点偏好相似度；

S5：根据S4得到的时间相似度和地点相似度，给相似度赋权值，找到相似度较高的用户集合，最后对用户进行推荐。