[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

说明书

本发明公开了一种基于随机块的社交网络交友推荐方法和系统，涉及计算机数据处理领域。本发明中的系统功能主要由以下四部分组成：数据处理模块、社区分类模块、好友推荐模块以及结果生成模块。基于随机块的社交网络交友推荐方法，包括以下步骤：步骤一，从数据库中获取用户好友列表，对获得的数据进行处理；步骤二，基于层次聚类算法BIRCH对数据进行聚类，划分多个社区；步骤三，根据社区分类结果，计算社区相关性指标；步骤四，基于社区相关性指标的计算结果，进行好友推荐，展示好友推荐结果。该系统通过随机块以及社区发现分析社交网络的方法，来识别并推荐用户潜在好友，提高用户体验。

技术领域

本发明涉及计算机数据处理技术领域，具体涉及一种基于随机块的社交网络交友推荐方法和系统。

背景技术

随着计算机技术的飞速发展，社交网络不断壮大，涵盖了大量的用户信息，构成了复杂的网络结构，同时也吸引了越来越多关于社交网络好友推荐的研究。目前大量社交软件如QQ、微博等，其好友推荐方法主要基于社交网络中的用户相似性，该方法的特点为：用户之间的共同好友数越多，越有可能被推荐。

但是，在实际应用场合，基于共同好友的推荐方法效果欠佳，主要原因是这一类方法只是考虑了网络中的局部信息，忽视了整个社交网络的整体拓扑结构。比如，甲和乙两人都是科幻电影迷，看过众多类似的科幻片，那么他们两人就很可能有共同话题，能够成为好友。但由于两人互不相识，社交软件上没有共同好友，那么这种基于共同好友的推荐方法就无法在甲和乙之间建立朋友关系。显然，单纯聚焦于网络局部信息而忽视社交网络全局信息的推荐算法显然无法在推荐准确性上满足实际应用的需求。

发明内容

本发明针对上述现有技术存在的缺陷，提供了一种基于随机块的社交网络交友推荐方法和系统。

本发明是通过以下技术方案来实现的：

本发明公开了一种基于随机块的社交网络交友推荐方法和系统，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。

步骤一所述从数据库中获取用户好友列表，对获得的数据进行预处理，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。

步骤二对社交网络进行聚类分析，具体操作如下：

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。

步骤三所述的根据社交网络聚类分析的结果，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：