[发明专利]在线社交网络下共享视频的信任度计算方法

权利要求书

1.一种在线社交网络下共享视频的信任度计算方法，其特征在于，包括以下步骤：

S1：当社交网络中某个用户u_*接收到共享视频v_*时，首先计算共享视频的内容属性信任值C_*，具体方法如下：

对用户u_*接收的共享视频v_*按照预先设置好的统一内容定位符提取出相应的视频内容定位符项目，并生成视频内容定位符向量其中l_d表示视频内容定位符向量中第d项视频内容定位符项目的值，d＝1,2,…,D，D表示视频内容定位符项目的数量；

然后基于视频内容定位符向量L采用以下公式计算得到共享视频的内容信任值C_*：

其中，表示内容定位符向量中项目出现的概率，计算公式为P(l_d)表示根据经验数据统计得到的第d项视频内容定位符项目出现的概率；P(T)表示根据经验数据统计得到的任意共享视频内容信任的平均概率，P(l_d|T)表示根据经验数据统计得到的第d项视频内容定位符项目属于信任内容的概率；

S2：采用如下方法计算共享视频的社交属性信任值：

S2.1：对于共享视频v_*，获取已经浏览过该共享视频v_*的浏览用户，然后从中筛选出与用户u_*存在一阶关注和两阶关注的用户，将这些用户的序号构成集合ψ；

S2.2：对于集合ψ中的每个用户u_i，i∈ψ，获取其对共享视频的行为取值，包括：点赞值T_i,1、反对值T_i,2、转发值T_i,3、正确举报值T_i,4以及打分值R_i，其中T_i,q表示对应行为是否发生，如果发生则T_i,q＝1，否则T_i,q＝0，q＝1,2,3,4；采用以下公式计算得到用户u_i对共享视频的评分Grade′_i：

Grade′_i＝T_i,1-T_i,2+T_i,3-T_i,4+R_i

然后采用如下公式对评分Grade′_i进行归一化，得到归一化的评分Grade_i：

其中，max(Grade′_i)、min(Grade′_i)分别表示用户对共享视频评分的最大值和最小值；

S2.3：对于集合ψ中的每个用户u_i，采用以下公式计算得到用户u_i的上传视频信任值t_{i_up}：

其中，T_up表示预设的所有社交用户上传视频的信任值基准，θ表示预设的正确举报的惩罚因子，函数sgn()表示signum符号函数，取值为1或0，J表示用户u_i上传视频集合，G表示所有正确举报用户u_i上传视频的用户序号集合，表示社交网络用户u_g是否存在对用户u_i所上传视频v_j的正确举报行为，如果存在，则否则

采用以下公式计算得到社交网络用户u_i的浏览视频信任值t_{i_ve}：

其中，T_ve表示预设的所有社交用户浏览视频的信任值基准，K表示被用户u_i正确举报视频的上传用户序号集合，M_k表示集合K中用户u_k上传视频集合，表示社交网络用户u_i是否存在对用户u_k所上传视频v_m的正确举报行为，如果存在，则否则σ表示预设的错误举报惩罚因子，S表示被用户u_i错误举报视频的上传用户序号集合，Z_s表示集合S中用户u_s上传视频集合，表示社交网络用户u_i是否存在对用户u_s所上传视频v_z的正确举报行为，如果存在，则否则

对上传视频信任值t_{i_up}、浏览视频信任值t_{i_ve}分别进行归一化，计算公式如下：

其中，t′_{i_up}与t′_{i_ve}分别是用户u_i归一化的上传视频信任、浏览视频信任，max(t_{i_up})、min(t_{i_up})分别是所有社交用户的最大上传视频信任值与最小上传视频信任值，max(t_{i_ve})、min(t_{i_ve})分别是所有社交用户的最大浏览信任值与最小浏览信任值；

计算得到用户u_i的信任值t′_i＝t′_{i_up}+t′_{i_ve}，再进一步归一化得到归一化的信任值max(t_i′)、min(t_i′)分别是所有社交用户的最大信任值与最小信任值；

S2.4：对于社交网络中每个用户u_y，y∈Y，Y表示社交网络中用户集合，获取其历史浏览视频集合Φ_y，然后对于历史浏览视频集合Φ_y中的每个视频v_h，按照预先设置好的统一内容定位符提取记录中该视频的内容定位符向量L_y,h，h＝1,2,…,|Φ_y|，|Φ_y|表示历史浏览视频集合Φ_y中的视频数量，从而得到用户u_y的历史浏览视频内容定位符向量集合然后两两计算两个用户u_y和u_y′之间浏览视频内容定位符向量集合的相似度，即作为用户u_y和用户u_y′对视频的兴趣相似度S_y,y′，y′∈Y且y′≠y；

S2.5：根据步骤S2.4得到的用户间对视频的兴趣相似度，采用如下方法计算得到每个用户u_y在共享视频社交网络中的影响力

1)令每个用户u_y在共享视频社交网络中的初始影响力γ为预设的常数；

2)令迭代次数τ＝1；

3)对于社交网络中每个用户u_y，采用如下公式计算得到其本次迭代后的影响力

其中，λ表示预设的阻尼系数，其取值范围为0＜λ＜1，|Y|表示社交网络中用户数量，B(u_y)表示所有关注用户u_y的用户的序号集合，表示上一次迭代所得到的用户u_b在共享视频社交网络中的影响力，C(u_b)表示用户u_b关注的用户的序号集合，S_b,y表示用户u_b和用户u_y对视频的兴趣相似度，S_b,c表示用户u_b和用户u_c对视频的兴趣相似度；

4)判断是否τ＜τ_max，τ_max表示预设的最大迭代次数，如果是，进入步骤5)，否则进入步骤6)；

5)令τ＝τ+1，返回步骤3)；

6)将最后一次迭代所得到的用户u_y的影响力作为其在共享视频社交网络中的影响力

然后计算得到集合ψ中用户u_i对用户u_*的影响力值具体分为以下两种情况：

当用户u_i和用户u_*存在一阶关注，则用户u_i对用户u_*的影响力值F_i,*的计算公式如下：

其中，表示用户u_i在共享视频社交网络中的影响力，S_i,*表示用户u_i与用户u_*对视频的兴趣相似度，C(u_*)表示用户u_*所关注用户的序号集合，表示用户u_*与用户对视频的兴趣相似度；

当用户u_i和用户u_*存在二阶关注，则用户u_i对用户u_*的影响力值F_i,*的计算公式如下：

其中，W_i,*表示户u_i和用户u_*形成二阶关注时的中间用户集合，F_i,w表示用户u_i对用户u_w的影响力值，计算公式如下：

其中，S_i,w表示用户u_i与用户u_w对视频的兴趣相似度，C(u_w)表示用户u_w所关注用户的序号集合，表示用户u_w与用户对视频的兴趣相似度；

F_w,*表示用户u_w对用户u_*的影响力值，计算公式如下：

其中，表示用户u_w在共享视频社交网络中的影响力，S_w,*表示用户u_w与用户u_*对视频的兴趣相似度；

S2.6：采用以下公式计算得到共享视频v_*的社交属性信任值S_*：

S3：将步骤S1得到的共享视频的内容信任值C_*和社交属性信任值S_*进行加权求和得到共享视频的可信度O_*：

O_*＝(1-α)×C_*+α×S_*

其中，α表示预设的权重，其取值范围为0＜α＜1。