[发明专利]一种结合用户反馈机制的社交网络推荐方法

摘要

本发明提出一种结合用户反馈机制的社交网络推荐方法，属于社交网络与信息推荐领域。本发明选取一段时间内的多次推荐记录以及用户的反馈情况，根据被推荐成员对推荐者以往的反馈情况，改变推荐者的权重。经过迭代计算权重后，得到高权重的用户与低权重的用户，则用户的权重越高，其推荐精准度、推荐效率越高。在今后的推荐过程中，优先选择权重高的用户发起推荐，实现一件物品在一个圈子中的高效率推荐。本推荐方法是一种结合用户反馈的链接分析的评估方法。应用这种推荐方法，能够通过社交网络的拓扑结构来分析社交网络中各成员间的信任情况，避免社交网络结构的不确定性以及复杂性，提高推荐系统的准确率。

主权项

1.一种结合用户反馈机制的社交网络推荐方法，其特征在于：包括如下步骤：Step1、随机选择社交网络中的一个成员作为推荐者，向其有信任关系的成员推荐物品，将其拥有的权重平均分配给被推荐成员，其分配的权重称为推荐权重；Step1.1、建立社交网络；建立社交网络图G(V,E,S)，其中V代表社交网络图G中的成员集合，S代表推荐物品的集合，E代表成员间的信任关系，分为信任与不信任，如：用户A是用户B的朋友，则用户A和用户B之间相互信任；Step1.2、建立推荐效用函数；在社交网络图G(V,E,S)中，V代表社交网络图G中的成员集合，E代表各成员间的信任关系，S代表推荐物的集合；推荐效用函数定义为一个成员对一个集合的映射函数R:(i→U,S1)，其中i为推荐者，U为被推荐成员的集合，且u∈U即u为被推荐成员，S1代表物品，对于社交网络图G中的被推荐成员集合U而言，推荐效用函数定义如下：其中，t(i)为推荐者i的权重，N(u)为被推荐成员u被推荐物品S1的次数，β为比例系数，β∈[0,1]，|U|为被推荐成员集合的人数，e‑n为推荐效果值，其中e为自然常数，为2.71828，n为物品S1在被推荐成员集合U中总的推荐次数；Step2、根据被推荐成员的反馈情况对推荐者的权重进行调整；Step2.1、建立反馈评价函数；在社交网络图G(V,E,S)中，V代表社交网络图G中的成员集合，E代表各成员间的信任关系，S代表推荐物的集合；反馈评价函数是表示被推荐成员集合对推荐者的映射函数，为g:(U→i,S1)，其与推荐效用函数所对应，其中U代表被推荐成员的集合，i表示推荐者即i∈I，I为推荐者集合，且S1代表物品，则对每一个被推荐成员u，即u∈U，定义反馈评价函数如下：其中，t(i)为推荐者i的权重，N(u)为被推荐成员u被推荐物品S1的次数，β为比例系数，β∈[0,1]，|U|为被推荐成员集合的人数，e‑n为推荐效果值，其中e为自然常数，为2.71828，n为物品S1在被推荐成员集合U中总的推荐次数；α是公式(2)中的一个变量，当推荐者得到正反馈时，α＝1；当推荐者得到负反馈时，α＝‑1；当推荐者没有得到反馈时，α＝0；对于反馈评价函数g:(U→i,S1)，分三种情况：第一种是正反馈，即接受推荐，此种情况下被推荐成员将物品推荐给他的朋友，反馈评价权重叠加到推荐者；第二种是不反馈，即不接受推荐但也不反对，反馈评价函数为0，推荐者的权重不变；第三种是负反馈，即被推荐成员对所推荐的物品或信息不感兴趣，反馈评价函数为负，推荐者的权重减小；Step3、反复迭代进行Step1、Step2，经过迭代计算权重直至社交网络图G中的各成员的权重稳定不变，可得到高权重的成员和低权重的成员；Step4、将社交网络划分为多个圈子；Step5、将每个圈子中的成员的权重进行排名，按权重的高低，优先选择权重高的成员，让其进行推荐，实现一件物品在一个圈子中的高效率、高准确率推荐。