[发明专利]一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案

权利要求书

1.一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，在确定用户社交圈的基础上，包括以下步骤：

目标社交相似用户分类的步骤，在用户社交关系中引入关系信任值的计算，通过用户间的关系信任值实现用户社交相似性的度量。

定义用户的基础社交圈和潜在偏好圈的步骤，根据服务推荐中的用户社交关系和关联特性，将用户的社交关系进行分化，分解为基础社交圈和潜在偏好圈。

基础社交圈和潜在偏好圈的分解和关联的步骤，将具有一定规模的节点，在每个需求兴趣中，分配目标近似的节点。节点间根据历史需求偏好的历史关联实现不同权重的无向边，引导和迁移节点自身的需求特征和趋向以及边关联实现的兴趣，实现新的需求兴趣推荐和选择。

构建潜在偏好圈的潜移和学习规则的步骤，基于关联预测函数，本发明在偏好圈中构建有代表性的兴趣特征集。

用户关联学习和偏好关联预测的步骤，通过社交用户的兴趣学习，实现偏好的潜移和关联，实现了社交圈为支撑多维圈结构的自主学习和构建。偏好圈的支撑力度也将影响社交圈的结构和关联特性，实现社交圈的优化更新和适应性关联预测。

2.根据权利1所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，目标社交相似用户分类的关系信任值计算需要关联四类社交圈的生成条件。

3.根据权利1所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，基础社交圈和潜在偏好圈的分解和关联以元组为社交拓扑的基础单元，多元组形成社交矩阵。

4.根据权利1所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，构建潜在偏好圈的潜移和学习规则体现为两类兴趣特性：(1)全局特性，用以表征整个社交圈和偏好圈的属性。(2)局部特性，用以表示圈内关联邻居节点的影响力。

5.根据权利1所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，关于用户关联学习和偏好关联预测，首先，定义生成流程，运用历史需求偏好的概率分析完成生成流程的初始化；其次，运用兴趣特征聚集方法获取社交圈信息；再次，运用迭代方法推理模型，估算模型参数。

6.根据权利1所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，用户关联学习和偏好关联预测，借助随机梯度下降方法实现局部最小化，通过弹性约束系数平衡调优。

7.根据权利2所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，四类社交圈的生成条件分别为：用户间存在同样的信任值、对相关服务进行等级排序、利用投票函数衡量用户对于服务的权威性、信任分解。

8.根据权利3所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，社交拓扑的元组包含五个集合元素，分别为表示用户集、用户集的规模、链路集合、已有链路集合和潜在链路集合。

9.根据权利4所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，全局特性运用中介度度量圈节点的中心度，计算拓扑关系中一个节点与其他关联节点间分别存在的最短路径的数量，运用排名算法和重要性分析算法分析关联紧密程度；局部特性的度量方法有：公共邻居预测函数用以统计节点和的公共邻居数量，平衡系数用以计算和交集和全集的比率。C对于偏向关联预测的学习过程，偏好相似性表示为二元函数，通过放大参数和对数公式值，调优适应社交圈。

10.根据权利5所述的一种社交圈为关键支撑的潜在偏好关联预测模型的技术方案，其特征在于，随机梯度下降方法和预测梯度下降方法是设计为两个可执行的函数。并在在用户集、用户特征集、潜在用户集和平衡参数实现非凸损耗函数的融合。