[发明专利]一种基于购物行为的潜在好友判断方法

说明书

一种基于购物行为的潜在好友判断方法，包括：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；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；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；用户商品选择相似度计算；计算用户评论有用性及情感强度相似度；最终相似度计算及扩大好友池；根据三元闭包原理对构建后的好友池进行了扩充。本发明通过对评论的情感分析得到用户之间的商品相似度从而在用户之间建立购物情感联系。通过提取用户行为的特征以及计算用户相似度，在相似度计算结果的基础上加入了三元闭包理论从而进一步丰富用户的好友池。

技术领域

本发明涉及一种潜在好友判断方法。特别是涉及一种基于购物行为的潜在好友判断方法。

背景技术

目前在推荐方法相关技术中主要有以下两类：一种是基于协同过滤的推荐方法。协同过滤算法是目前应用较多的方法。协同过滤技术先根据用户的历史行为尤其是用户对商品做出的反馈记录对用户的个性偏好进行分析，然后找到与目标用户具有相似兴趣偏好的邻居用户，将这些相似用户对资源对象的评价综合起来形成系统对资源的喜好程度的预测，最后将这些预测提供给目标用户作为参考。协同过滤技术可以为用户发现新的资源信息，对于一些内容特征难以提取的项目也能产生较好的推荐结果。

然而，协同过滤技术适用于物品数明显小于用户数的场合，当物品很多时(例如：网页)，计算物品相似度的代价变大，系统的时间和空间复杂度也会越来越大。

另一类基于内容的推荐系统进行信息过滤，然后将信息表示成一个用户模型来代表用户偏好，同时通过对资源对象的内容特征进行标注的方式生成一个对象特征向量作为资源模型。基于内容的推荐系统主要通过分析、获取及过滤对象的特征，在处理文本数据时表现良好，但图片、音频、视频等资源的特征较难处理。

发明内容

本发明所要解决的技术问题是，提供一种从购物行为角度为用户推荐好友，从而高好友识别命中率的基于购物行为的潜在好友判断方法。

本发明所采用的技术方案是：一种基于购物行为的潜在好友判断方法，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；

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；

4)用户商品选择相似度计算；

5)计算用户评论有用性及情感强度相似度；

6)最终相似度计算及扩大好友池；

7)根据三元闭包原理对构建后的好友池进行了扩充。

步骤2)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分别表是用户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。