申请/专利权人:中国人民大学
申请日:2020-08-21
公开(公告)日:2020-11-24
公开(公告)号:CN111984832A
主分类号:G06F16/901(20190101)
分类号:G06F16/901(20190101);G06F16/9536(20190101);G06Q50/00(20120101)
优先权:
专利状态码:有效-授权
法律状态:2023.07.07#授权;2020.12.11#实质审查的生效;2020.11.24#公开
摘要:本发明提供一种基于个性化佩奇排名的好友推荐方法,该方法包括:将目标用户、用户及用户间的关系转换为图结构,重复执行l‑层个性化佩奇排名的计算过程共L轮,得到图结构上宿节点相对于所有其它节点在各层的个性化佩奇排名,将宿节点相对每一其它节点的各层个性化佩奇排名分数值相加,得到宿节点相对每一其它节点的个性化佩奇排名,根据宿节点相对于每一其它节点的个性化佩奇排名,获取排名在前的预设数值个其它节点对应的用户作为目标用户,根据待推荐用户和目标用户相互之间的重要性衡量标准,进行好友推荐。本发明能够摆脱单宿个性化佩奇排名的计算时间与社交网络稠密度的依赖关系,达到最优的计算时间,从而提高好友推荐速度。
主权项:1.一种基于个性化佩奇排名的好友推荐方法,其特征在于,包括:S1,对于任一社交网络平台上的目标用户,将所述目标用户、用户及用户间的关系转换为图结构G,其中,所述图结构G中包括与所述用户对应的节点以及与所述用户间的关系对应的边,所述目标用户为所述图结构的宿节点;S2,对于所述图结构中的每一节点,将每一节点的入邻居节点按照出度递增的顺序排序;S3,重复执行l-层个性化佩奇排名的计算过程共L轮,得到所述图结构上宿节点相对于所有其它节点在各层的个性化佩奇排名,每一其它用户对应所述图结构上的每一其它节点;S4,对于所述图结构上的每一其它节点,将所述宿节点相对每一其它节点的各层个性化佩奇排名分数值相加,得到所述宿节点相对每一其它节点的个性化佩奇排名;S5,根据所述宿节点相对于每一其它节点的个性化佩奇排名,获取排名在前的预设数值个其它节点;S6,获取所述预设数值个其它节点对应的用户信息,作为所述目标用户对于待推荐用户的重要性衡量标准,结合所述待推荐用户对于所述目标用户的重要性排名,进行好友推荐。
全文数据:
权利要求:
百度查询: 中国人民大学 一种基于个性化佩奇排名的好友推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。