申请/专利权人:苏州大学;苏州岩瑞纺织科技有限公司
申请日:2024-02-07
公开(公告)日:2024-04-02
公开(公告)号:CN117807324A
主分类号:G06F16/9536
分类号:G06F16/9536;G06F18/22;G06F40/284;G06F40/30;G06N3/045;G06N3/0442;G06Q50/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种社交元宇宙中的朋友推荐方法、装置及可读存储介质,属于元宇宙技术领域。获取用户发表的文本序列,将文本序列输入Word2Vec网络中,输出词向量矩阵;将词向量矩阵输入SenticNet5网络和LDA网络,输出情感特征向量和主题特征向量;将词向量矩阵和情感特征向量拼接输入S‑LSTM网络,输出语义特征向量;基于情感特征向量、主题特征向量和语义特征向量得到用户的人格特征向量;计算两个用户的人格特征相似度值和社交互动特征相似度值以及推荐指数,若推荐指数大于预设阈值,将两个用户作为对方的推荐用户。本申请提取的人格特征更准确,且将人格特征和社交互动特征作为推荐依据,提高了推荐结果的准确性。
主权项:1.一种社交元宇宙中的朋友推荐方法,其特征在于,包括:获取社交元宇宙中任意两个用户的社交数据;其中,每个用户的社交数据均包括用户发表的文本序列、用户的关注列表以及用户的转发和评论数据,所述文本序列由用户发表于社交元宇宙中的多个文本拼接得到;将两个用户发表的文本序列分别输入至训练好的人格特征提取模型中,提取各个用户的人格特征向量,所述人格特征提取模型包括Word2Vec网络、SenticNet5网络、LDA网络、S-LSTM网络和全连接层;用户的人格特征向量提取过程具体包括:将文本序列输入至所述Word2Vec网络中,输出词向量矩阵;将所述词向量矩阵分别输入至所述SenticNet5网络和所述LDA网络中,输出情感特征向量和主题特征向量;将所述词向量矩阵和所述情感特征向量拼接输入至所述S-LSTM网络中,输出语义特征向量;基于所述情感特征向量、所述主题特征向量和所述语义特征向量得到全局特征向量,并将所述全局特征向量输入至所述全连接层,输出用户的人格特征向量;基于两个用户的人格特征向量计算两个用户之间的人格特征相似度值;基于两个用户的关注列表、以及两个用户对于相同用户的转发和评论数据计算两个用户之间的社交互动特征相似度值;基于所述人格特征相似度值和所述社交互动特征相似度值计算两个用户的推荐指数,若所述推荐指数大于预设阈值,则将两个用户作为对方的推荐用户。
全文数据:
权利要求:
百度查询: 苏州大学;苏州岩瑞纺织科技有限公司 一种社交元宇宙中的朋友推荐方法、装置及可读存储介质
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。