[发明专利]基于在线社交网络的帮助用户给产品评分的方法

摘要

本发明提供一种基于在线社交网络的帮助用户给产品评分的方法，该方法首先收集用户与朋友的历史评分信息；然后再将收集到的信息进行处理；最后给用户准确的推荐评分，其中用户收集朋友的历史评分信息是通过在线社交网络获得，处理信息主要是根据贝叶斯定理来进行计算，用户可以更新整个网络的概率分布。本发明能够不断地进行动态学习，很好地利用在线社交网络帮助用户推荐产品，保证推荐质量与推荐量之间的权衡。

主权项

一种基于在线社交网络的帮助用户给产品评分的方法，其特征在于该方法包括以下步骤：步骤1)获得用户在在线社交网络中输入的当前所购买产品的名称；所述在线社交网络是在互联网上与其他人相联系的一个平台，用户对产品进行评分，同时分享给该用户的朋友，查询该用户的朋友的评分；步骤2)查询获取在线社交网络中用户的朋友对当前所购买产品已给出的评分；步骤3)按照查询到的用户朋友对当前所购买产品的评分大小对朋友进行分类，评分相同的朋友归为一类；步骤4)获取用户已购买其他产品及相对应的评分；步骤5)依次获取其中一类朋友及相对应的评分，评分记为t_i，i是朋友类的序号；步骤51)依次获取这类朋友中一个朋友k的已购买其他产品及相对应的评分,所述k表示朋友的序号；步骤511)将用户已购买的其他产品与这个朋友已购买的其他产品进行比较，获得用户与这个朋友都评过分的相同产品及相对应的评分；在这相同的产品中，计算当用户评分为t_i时，该朋友评分也为t_i所占的比例，记为P(R_k＝t_i|R_s＝t_i)，所述i表示朋友类的序号，t_i表示朋友类i的评分，R_s表示用户s的评分，R_k表示其中某一朋友k的评分，P(R_k＝t_i|R_s＝t_i)表示当用户评分为t_i时，朋友k的评分也为t_i所占的比例；当用户与朋友没有相同的评分t_i,P(R_k＝t_i|R_s＝t_i)的值设定为10％；步骤512)依次计算当用户评分为t_i时，其余朋友评分为t_i所占的比例；步骤52)将获得到的这类朋友的所有比例求平均值，得到用户与评分为t_i的这类用户的联合关系，记为P(Q_t＝t_i|R_s＝t_i)＝mean(P(R_k＝t_i|R_s＝t_i))，所述t_i表示朋友类i的评分；R_s表示用户s的评分；R_k表示某一朋友k的评分；Q_t表示评分相同的一类朋友的评分；mean(P(R_k＝t_i|R_s＝t_i))表示用户评分为t_i时，一类用户中评分为t_i的朋友所占比例的平均值，k依次为这一类用户的序号；P(Q_t＝t_i|Rs＝t_i)表示用户评分为t_i时，一类用户评分为t_i所占的比例；步骤53)依次计算用户与其余评分的各类朋友的联合关系；步骤6)计算用户在已购买其他产品的评分中，每个评分所占的比例，记为P(R_s＝t_i)，所述t_i表示朋友类i的评分，R_s表示用户s的评分,P(R_s＝t_i)表示用户在已购买其他产品的评分中，每个评分所占的比例；当用户从来没有评过某分，它的值设定为1％；步骤7)根据贝叶斯公式计算每种评分在所有评分中所占的比例，由$P(R_s=t_i|Q_t)=\frac{P(Q_t=t_i|R_s=t_i)*P(R_s=t_i)}{{\mathrm{\Σ}}_{r=1}^{N}P(Q_t=r|R_s=r)*P(R_s=r)}$计算得到；所述r表示评分等级，范围为[1,N]，N是预先设置的最高评分等级，t_i表示朋友类i的评分，R_s表示用户s的评分，Q_t表示评分相同的一类朋友的评分，P(R_s＝t_i)表示用户在已购买其他产品的评分中，每个评分所占的比例，P(Q_t＝t_i|R_s＝t_i)表示用户评分为t_i时，一类用户评分为t_i的比例，表示r取1到N时，P(Q_t＝r|R_s＝r)与P(R_s＝r)的所有乘积的和，P(R_s＝t_i|Q_t)表示在朋友评过分的情况下，用户评分为t_i的概率；步骤8)选取概率值为最大值时的评分作为用户的推荐评分，由计算得到，所述表示推荐评分，P(R_s＝t_i|Q_t)表示在朋友评过分的情况下，用户评分为t_i的概率，argmax表示选取使P(R_s＝t_i|Q_t)为最大值时t_i的值。