[发明专利]社交网络中一种安全的朋友推荐方法

摘要

社交网络中一种安全的朋友推荐方法，获取某段时间内用户的全部标签信息，按照标签个数进行分类，基于Word2Vec，根据上下文内容，训练得到所有标签的词向量；基于标签匹配算法，分析用户标签的相似性，筛选用户，得到朋友候选者；第三步，系统将第二步中得到的朋友候选者推荐给对应用户，用户基于隐私交换协议，自由选择对象成为朋友。本发明能很好地解决社交网络的用户隐私保护问题，为社交网络中的用户推荐志同道合且安全可靠的朋友，提高推荐方案的准确性以及安全性、可靠性。

主权项

社交网络中一种安全的朋友推荐方法，其特征在于包括以下步骤：第一步，获取某段时间内用户的全部标签信息，按照标签个数进行分类，基于Word2Vec，根据上下文内容，训练得到所有标签的词向量；第二步，基于标签匹配算法，分析用户标签的相似性，筛选用户，得到朋友候选者，具体步骤如下：S21：基于第一步中得到的词向量，根据余弦相似度，计算得到与目标标签最相似的前n个标签，并且获取目标标签与他们的相似度；余弦值的范围在[‑1,1]之间，值越趋近于1，代表两个向量的方向越趋近于0，他们的方向更加一致，相应的相似度也越高；余弦相似度：α=cosθ=Σ1m(xi×yi)Σ1mxi2×Σ1myi2]]>其中xi为词向量的横坐标，yi为词向量的纵坐标，m为词向量的维数；S22：选取合适的相似度阈值αi；对每标签用户组进行以下操作：S221：在每个标签组中，每个用户以自己的标签集为原始标签集，进行组内匹配，得到以αi为阈值的标签集合交集的大小，该阈值是用来判断两个标签是否满足相似的标准；阈值αi即为S21中得到的与原始标签最为相似的前n个标签的相似度，i的取值范围为1—n；S222：统计每组标签组交集大小的数据，得到S＝k时的个数NUMs，其中S表示交集的大小，k的取值范围为0—p，其中p为原始标签集的标签个数；S223：分别统计S＝0，S＝1，…，S＝p时，NUMs的大小，分析NUMs得到合适的相似度阈值；S23：基于S22中的相似度阈值αi，进行用户之间的标签匹配，得到朋友候选者，将S22中所有的用户混合在一起，组成一个新的数据集D，进行以下操作：S231：计算主动匹配者输入的标签个数p；p为奇数时，只有当相似标签个数大于等于时，匹配成功；p为偶数，只有当相似标签个数大于时，匹配成功；S232：将主动匹配者的标签集中每个标签依次作为原始标签，与被匹配用户的每一个标签去比较，用αi作为阈值，如果与其中某个标签的相似度值大于αi，停止比较，跳到步骤S233；S233：判断主动匹配者的标签是否匹配完，如果没有则继续执行S232，如果匹配完，则停止，跳到S234；S234：判断S的值是否满足S231中的要求，若满足，则成为朋友候选者，若不满足则过滤掉；第三步，系统将第二步中得到的朋友候选者推荐给对应用户，用户基于隐私交换协议，自由选择对象成为朋友；S31：主动匹配者Um向权力中心发送交友请求申请，权力中心收到请求，在系统中为Um寻找朋友候选者；S32：权力中心以Um的标签集为原始标签集，分别计算与Uc1，Uc2，Uc3，……，Uct的标签集交集；其中Uc1，Uc2，Uc3，……，Uct为系统中的其他用户；S33：权力中心依据规则，将标签集交集大于等于个或者个的用户ID发送给Um，同时随机产生一个密钥km，一并发送；即如果Ucj的标签集与Um的标签集交集的大小大于等于个或者个，则将Ucj的ID和密钥km发送给Um；j的取值范围为1—tS34：主动匹配者Um收到信息之后，将自己的标签集Tm加密之后发送给朋友候选者Ucj；S35：朋友候选者Ucj收到请求，如果接受请求则向权力中心申请对应请求，权力中心收到消息，随机产生密钥kcj，将Um的ID和密钥kcj发送给Ucj；S36：Ucj将自己的标签集Tcj加密之后发送给Um，并将S34中接收到的信息加密之后一并发送给Um；S37：Um收到Ucj发送的加密信息之后，将S36收到的加密标签集Tcj再次加密发送给Ucj；S38：Um和Ucj分别通过两个加密标签集，计算得到对方的密钥kcj和km，通过密钥计算得到对方的标签集信息，成为朋友。