[发明专利]一种基于知识学习对等社交网络文档检索方法

摘要

本发明公开了一种基于知识学习对等社交网络文档检索方法，它属于社交网络技术领域，主要解决对等社交网络中文档检索召回率低、转发开销大和性能不太理想的问题。其步骤为：A)节点建立兴趣索引和知识索引；B)节点通过兴趣索引和知识索引获取推荐节点转发查询消息。节点根据与它兴趣相同节点的兴趣向量关键词获得的文档数量建立兴趣索引，并且根据查询关键词获得的文档数量建立知识索引。在转发查询消息时，从兴趣索引和知识索引中获取推荐节点，消息转发给推荐节点。该方法在查询过程中学习知识，建立索引，并依据索引获得较好的查询，与现有的一些典型方法比较，取得了较高的召回率、较低的网络开销和较好的性能。

主权项

1.一种基于知识学习对等社交网络文档检索方法，其特征在于，包括如下步骤：步骤A，节点建立兴趣索引和知识索引，包括：在文档检索过程中，节点从兴趣相同的目标节点获得兴趣相似的知识存储在本地兴趣索引表中，同时依据查询关键词获得与查询关键词匹配的知识存储在本地知识索引表中；步骤B，节点通过本地兴趣索引和知识索引获取邻居节点作为推荐节点，并向推荐节点转发查询消息，包括：节点需要转发其他节点发送过来的查询消息时，查询本地兴趣索引表和知识索引表获取包含匹配查询关键词文档的邻居节点列表，依据匹配文档数量计算列表中邻居节点的相关度系数，并结合最小转发度和最大转发度计算自适应转发度，然后依据列表中邻居节点的自适应转发度选择推荐节点进行查询消息转发；所述步骤B中将邻居节点作为推荐节点的判定方法为：若列表中邻居节点的自适应转发度数值大于已选推荐节点的数量，则该邻居节点被选为推荐节点；所述步骤B选择推荐节点进行查询消息转发的过程如下：步骤1)当查询关键词包含在节点的兴趣向量中，则依据查询关键词从兴趣索引表中选择节点添加到推荐节点列表中，当推荐列表中节点数量不足最大转发度数值，则依据查询关键词从知识索引表中选择节点添加到推荐节点列表中，当推荐列表中节点数量不足最小转发度数值，则从邻居列表中随机选择剩余节点添加到推荐节点列表中；步骤2)当查询主题关键词不在当前节点的兴趣向量中，则依据查询关键词从知识索引表中选择节点添加到推荐节点列表中，当推荐列表中节点数量不足最小转发度数值，则从邻居列表中随机选择剩余节点添加到推荐节点列表中；步骤3)当兴趣索引表和知识索引表中均没有符合查询要求的推荐节点时，扩大搜索范围，增加最小转发度的数值；从当前节点的连接邻居节点中随机选择满足最新最小转发度要求的节点作为推荐节点，添加到推荐节点列表中；步骤4)依次从推荐节点列表中选择节点转发查询消息，直到推荐节点列表为空。