[发明专利]一种基于社交关系碎片数据的模糊搜索方法

摘要

本发明提供了一种模糊搜索算法，在数据不完整不准确的情况下仍然能够有效工作。首先，获取与目标好友关系密切的几种已知好友账号，通过集合运算求得已知账号的直接好友和间接好友，并生成有向图。并分别根据数据可靠度、独立联络路径数来合并计算两账号之间的亲密度，并通过矩阵列表，最后按列对每个目标好友亲密度求和，得出结果。该种方法创造性地提出一种适应碎片数据场合的社交搜索模型，通过间接社交关系弥补数据缺失，通过多重联络关系增强数据可靠程度。该算法也通过动态规划等手段降低计算复杂度，确保能够在海量社交数据中迅速搜索出结果。

主权项

1.一种基于社交关系碎片数据的模糊搜索方法，其特征在于：包括以下步骤或方法：步骤a：获取n(n大于等于1)个与目标账号关系密切的已有账号；步骤b：输入已有账号a1、a2、…、an，还需要输出的候选目标账号数量m(m大于等于1)；步骤c：确定已有账号的直接好友关系：令V0表示a1、a2、…、an的集合，V'表示a1、a2、…、an的好友的集合，进行集合运算：V1＝V′\V0，令E1表示V0到V1的好友关系的集合；步骤d：确定已有账号的间接好友关系(两人都与另一个人是好友，则他们彼此为间接好友)：令V″表示V1中账号的好友的集合，再次进行集合运算：V2＝V″\V0，令E2表示V1到V2的好友关系的集合；步骤e：生成有向图G＝(V，E)：其中顶点的集合V＝V0∪V1∪V2，边的集合E＝E1∪E2；对E的各条边，两者为直接好友关系，以相应的两者之间的亲密度作为边权重；步骤f：创建|V0|×|V1∪V2|的矩阵：记录已有账号与目标账号之间的亲密度；(1)首先计算E1中的各对好友关系，以边的权重初始化对应表格；其他表格则初始化为0；(2)再根据E2中的各对好友关系计算对应间接好友的亲密度；根据公式θ(a，c)＝θ(a，b)θ(b，c)/(θ(a，b)+θ(b，c))计算a、c之间的亲密度，b为a、c的共同好友；(3)根据两账号之间的独立联络路径数，更新表格中两账号的亲密度数据；若两账号a、c之间的联络路径不止一条，然后根据公式θ+＝θ′‑θ×θ′计算更新a、c之间的亲密度，其中θ′为新增路径的亲密度；步骤g：对矩阵按列求和，然后把结果按从大到小排序，以前m个值作为最佳匹配结果输出。