[发明专利]一种基于购物行为的潜在好友判断方法

权利要求书

1.一种基于购物行为的潜在好友判断方法，其特征在于，包括如下步骤：

1)数据准备及处理，是对用户的购物行为和评价信息进行数据清洗，使处理后的数据符合模型的应用；数据清洗是通过数据的除重和特征提取得到有用的数据；

2)用户购物行为相似度计算，是对每个用户计算该用户与其它用户之间的购物行为相似度；包括：

(1)计算相同购物行为的数量，是通过下式进行计算：

V_ij＝∑_n1mod(U_in+U_jn) (1)

式中，V_ij是用户i与用户j之间的相同购物行为个数，U_in与U_jn分别表示用户i和用户j是否对商品n存在购买行为，若存在则值为1，反之则为0；

(2)计算购物行为相似度的，计算公式如下，该公式是将相似度控制在0到1的范围内，

式中，UX_ij是用户i与用户j之间的购物行为相似度；

3)用户情感相似度计算，通过使用情感词典进行情感分析，进行用户之间特征相似度以及特征认可度的计算；包括：

(1)计算商品特征相似度：

式中，FN_ij为用户i与用户j之间的特征相似度，F_i与F_j分别为用户i与用户j的特征词集合；

(2)计算商品特征认可度：

式中，FE_ij为用户i与j之间的商品特征认可度，G_i与G_j分别是用户i与用户j共同购买的商品集合，F_im与F_jm分别是用户i与用户j对于商品m的所在意的特征的集合；V_imh与V_jmh分别是用户i与用户j对于商品m的第h个特征所具备的情感；FE_ij为该公式通过计算用户对所有相同购买行为商品的特征的情感值，也就是用户i和用户j之间的商品特征的认可度；

(3)计算情感相似度：

UG_ij＝α·FN_ij+β·FE_ij (5)

式中，UG_ij为用户i与用户j之间的商品相似度，FN_ij与FE_ij分别为用户i和用户j之间的商品特征相似度以及商品特征认可度，α与β为FN_ij与FE_ij两者的因子，并且α+β＝1，选择α＝0.4、β＝0.6；

4)用户商品选择相似度计算；是采用下式计算：

其中GD_p为商品p的独立度，GN_p为商品p被购买的次数，GM_p为在所有商品中，被购买GN_p次的商品的个数；

采用下式计算用户之间的商品选择性相似度：

式中，UGD_ij为用户i与用户j之间的商品独立性相似度，GD_p为用户i与j共同购买的商品的独立度，N为相同商品的个数，G_i与G_j分别是用户i与用户j共同购买的商品集合；

5)计算用户评论有用性及情感强度相似度；包括：

(1)用户的评论有用性是根据用户每条评论的有用性进行计算，公式如下：

式中，H_i为用户i的评论有用性，h_a为该用户的第a条评论的有用性，A为该用户所有的评论数；

(2)计算情感强度，公式如下：

E_im＝len_im (9)

式中，E_im表示用户i对商品m的情感强度，len_im为用户i对商品m的评论的长度，该长度是统计评论中的句子个数；

(3)使用欧式距离计算用户之间的用户评论有用性及情感强度相似度：

式中，其中d(i,j)表示用户i和j的用户评论有用性及情感强度的欧氏距离，sim(i,j)表示用户i和j的用户评论有用性及情感强度相似度，其中E_im和E_jm表示用户i和用户j对商品m的情感强度，H_i和H_j为用户i和用户j的评论有用性

6)最终相似度计算及扩大好友池；是采用下式计算：

式中，UU_ij为用户i与用户j的最终相似度，UX_ij是用户i与用户j之间的购物行为相似度，UG_ij为用户i与用户j之间的商品相似度，UGD_ij为用户i与用户j之间的商品独立性相似度，sim(x,y)表示用户x和y的用户评论有用性及情感强度相似度；

7)根据三元闭包原理对构建后的好友池进行了扩充，是使用三元闭包理论扩展二的方法进行用户好友池的扩展，在原好友池中第一名是与用户相似度最高的，视为用户的好友，并以此为基础，在所述的好友的好友池中选择相似度最高用户，加入到原始用户的好友池中，这里，将好友之间的相似度视为好友之间的亲密度关系，如下公式：

式中，UO_i为用户i扩充的好友，为用户i的好友池中相似度最高用户的好友资源池。