[发明专利]一种基于随机块的社交网络交友推荐方法和系统

权利要求书

1.一种基于随机块的社交网络交友推荐方法，其特征在于，包括以下步骤：

步骤一，从数据库中获取用户好友列表，对用户数据进行预处理；

步骤二，应用基于层次聚类算法BIRCH对数据进行聚类，划分具有稠密性的多个社交子网络；

步骤三，根据社交子网络结果，计算社区隶属度指标；

步骤四，基于社区隶属度指标的计算结果，进行好友推荐，展示好友推荐结果。

2.根据权利要求1所述的基于随机块的社交网络交友推荐方法，其特征在于，步骤一所述从数据库中获取用户好友列表，对获得的数据进行处理，具体操作为：

1)收集社交平台中用户数据，获取各用户的好友列表；

2)处理收集的原始数据，得到由0和1构成的二维矩阵以表示用户间已知的社交网络。在该网络中，点表示用户，二两点之间的边则表示用户间的链接，若两用户是好友则边为1；反之，则为0。

3.根据权利要求2所述的基于随机块的社交网络交友推荐方法，其特征在于，步骤二所述应用基于层次聚类算法BIRCH对数据进行聚类，划分具有稠密性的多个社交子网络，具体操作为：

1)基于层次聚类算法BIRCH对社交网络进行聚类分析；

2)根据聚类的结果划分K个社交子网络，每个社交子网络中包括了多个用户之间的好友关系，并且这些用户在该子网络中的连接较为稠密。

4.根据权利要求3所述的基于随机块的社交网络交友推荐方法，其特征在于，步骤三所述的根据社交子网络结果，计算社区隶属度指标，具体操作为：

1)为每个用户分配混合隶属度向量π_i，服从狄利克雷分布，π_i～Dirichelet(α)，具体公式如下所示：

2)为社交子网络中每个社区分配权重β_k，服从贝塔分布，β_k～Beta(η)，具体公式如下所示：

3)使用随机变分推理对上述参数进行更新；

4)最终得到两个重要的社区相关性指标：混合隶属度向量π和社区权重向量β_k。

5.根据权利要求4所述的基于随机块的社交网络交友推荐方法，其特征在于，步骤四所述的基于社区隶属度指标的计算结果，进行好友推荐，展示好友推荐结果，具体操作为：

1)根据两个用户的混合隶属度和所在社区的权重计算两个用户成为好友的概率。

2)展示好友推荐结果，向用户推荐所有潜在好友。

6.根据权利要求5所述进行好友推荐，展示好友推荐结果，其特征在于，计算两个用户成为好友的概率，具体操作为：

1)基于每对用户的混合隶属度向量π_i和π_j，为他们分配社区隶属度指标z_i→j和z_j→i，并服从多项式分布：z_i→j～Multinomial(π_i)，z_j→i～Multinomial(π_j)，具体公式如下所示：

2)经过抽样确定z_i→j和z_j→i的值。若两个用户所属的社区相同，那么他们成为好友的概率便是他们所在社区的权重；反之，概率为0。

7.根据权利要求5所述进行好友推荐，展示好友推荐结果，其特征在于，展示好友推荐结果，具体操作为：

1)把可能成为好友的用户们，按照成为好友的概率大小由高到低排序；

2)当两个用户成为好友的概率大于0.5时，向用户互相推荐。反之，暂时不予推荐。