[发明专利]一种融合贝叶斯推理和图上随机游走的好友推荐方法

摘要

本发明公开一种融合贝叶斯推理和图上随机游走的好友推荐方法，其通过计算用户社交置信度构造随机游走转移概率矩阵，继而将随机游走正向搜索与局部反向搜索结合起来，并与一种贝叶斯用户潜在好友关系推理模型相融合，充分开采了社交网络结构信息和用户属性信息，提供了社交网络好友推荐的建议，具有准确性高的特点。

主权项

一种融合贝叶斯推理和图上随机游走的好友推荐方法，其特征是，包括如下步骤：步骤1.将社交网络图中目标用户i和待推荐用户j的对应属性值的对比结果所构成向量X＝{x1,x2,…,xn}与目标用户i和待推荐用户j是否互为好友的结果变量f，构成贝叶斯用户关系推理网络的结点集{x1,x2,…,xn,f}；步骤2.对贝叶斯用户关系推理网络进行参数学习，确定估算结点的联合概率分布；步骤3.基于确定的贝叶斯用户关系推理网络的结构和参数，进行用户潜在好友关系推断，即计算p(x1,x2,…,xn,f)，判定用户成为潜在好友的概率；步骤4.将所计算出的用户成为潜在好友的概率，与随机游走模型搜索结果相结合，并引入系数δ对两者加以权衡，得到待推荐用户j推荐给目标用户的推荐得分Reci(j)：Reci(j)=δ(βxi(j)+(1-β)xiReverse(j))+(1-δ)pf|A(i,j)]]>其中，xi(j)为状态向量，为反向搜索向量，pf|A(i,j)为目标用户i和待推荐用户j成为潜在好友的概率值；β为设定的正向搜索得分权重，δ为设定的贝叶斯推理得分系数；步骤5.将待推荐用户j推荐给目标用户i的推荐得分Reci(j)进行排序，将推荐得分Reci(j)较高的k名待推荐用户j推荐给目标用户i，其中k为设定值。