基于亲密度和信誉度的社交网络关系推荐方法与流程

本发明属于人工智能技术领域，特别涉及一种基于亲密度和信誉度的社交网络关系推荐方法。

背景技术：

随着互联网技术的飞速发展，人们的工作和生活与互联网的交集越来越来紧密，社交网络已成为人们生活不可或缺的一部分。社交网络在维护用户个体关系的同时，可进一步拓展新关系。用虚拟的网络去嫁接现实社会中人与人之间的情感关系，可以在社交网络上拓展更多的新关系，它改变的人们的生活方式。如何有效的拓展用户关系，维护个体之间的关系，是每个社交网络平台(sns)(socialnetworkservice)都必须解决的核心问题。

社交网络为用户在网络上交友提供了方便，但随着互联网络的发展，用户数量越来越大，如何为用户找到合适的交友对象，是社交网络服务需要解决的重要问题。为用户智能推荐好友并建立新的社交关系，是每一个社交网络平台发展必须要解决的问题。现有技术中，为用户推荐好友并建立新的社交关系的方法，运算过程较为复杂，且智能推荐的结果不太精准，用户体验较差。

技术实现要素：

本发明的目的在于解决现有技术中好友智能推荐存在的问题，提出了一种从亲密度和信誉度指标出发，通过一系列的计算和操作步骤，为用户自动推荐社交关系，拓展用户的好友空间的方法。

一种基于亲密度和信誉度的社交网络关系推荐方法，包括以下步骤：

s1、获取用户a的直接好友集合，其中，所述直接好友为维度为1的用户，所述维度等于用户之间中间人数量加一；

s2、计算用户a的直接好友集合中每一个好友与用户a的关系权值，得到与用户a关系权值最大的好友uk，令好友uk为目标好友；

s3、获取所述目标好友的直接好友集合，所述目标好友的好友集合中的好友与用户a的维度相对于所述目标好友与用户a的维度加一，计算所述目标好友的好友集合中每一个好友与用户a的关系权值，并将关系权值不小于预设权值阈值的好友加入用户a的推荐好友集合；

s4、判断加入所述推荐好友集合的好友与用户a的维度是否小于预设维度阈值，当小于所述预设维度阈值时，令加入所述推荐好友集合的好友为目标好友，流程回到所述步骤s3；

s5、当加入所述推荐好友集合的好友与用户a的维度不小于预设维度阈值时，得到用户a的推荐好友集合。

进一步地，所述步骤s1包括以下流程：

获取用户a的维度为1的直接好友集合fa＝{u1,u2,...,um}，其中，所述维度为1表示好友之间无中间人。

进一步地，所述步骤s2包括以下流程：

初始化用户a的推荐好友集合为空，即fra＝{}，且

对每一个用户a的好友ui∈fa，计算ui与用户a的关系权值

其中，ρ表示在中所占比重，其取值范围为[0,l]；i表示用户间的亲密度，其取值范围为[0,1]，表示用户a和ui之间的亲密度；r表示用户的直接好友中的最大信誉度，定义c表示用户的信誉度，c取值范围为[0,l]，即表示ui的直接好友中的最大信誉度；

得到的最大值即用户a的直接好友uk具有最大的令uk为目标好友。

进一步地，所述步骤s3包括以下流程：

获取所述目标好友的直接好友集合f＝{v1,v2,...,vn}，计算每一个目标好友的直接好友vi与用户a的关系权值

其中，表示用户a与vi之间的维度，其值等于用户a与vi之间的中间人加一；σ表示用户对中间人的数量的关注度，其取值范围为[0,l]；

对每一个的vi，将加入用户a的推荐好友集合fra，其中，m为预设权值阈值。

进一步地，所述步骤s4包括以下流程：

对于每一个加入fra的vi，判断是否小于预设维度阈值，当加入fra的vi的维度小于预设维度阈值时，将vi设置为所述目标好友，流程回到所述步骤s3。

本发明的有益效果：本发明提供了一种基于亲密度和信誉度的社交网络关系推荐方法，本发明通过定义社交网络关系中的亲密度和信誉度，并据此分析、计算出人与人关系的度量，判断关系的亲密程度，并据此为用户智能推荐建立新的社交关系，运算过程相对简单，且智能推荐结果更为精准，提升了用户体验。

附图说明

图1为本发明实施例的流程图。

具体实施方式

以下为本发明涉及的一些技术原理：

1.关系链接

在社交网络中，人与人之间的关系是以链接的方式存在的。包括“弱链接”和“强链接”两种形式。其中弱链接体现的是信息流通的过程，是跨行业跨领域的信息传播，“强链接”则反映了每个人身边最为亲密的关系。sns通过互联网的方式，可以将人际关系网的资源完全挖掘出来，

这里既包含了那些亲近的“强链接”也包含了那些久不见面的“弱链接”。通过sns，用户可以轻松地认识“朋友的朋友”，从而通过认识的人找到自己需要的人，扩展自己的人脉。与此同时，用户也可以通过sns这个平台来科学地管理自己的人际网络资源，为自己赢得更多的机会。sns的价值根源就在于这个平台信息的真实性，用户提供自己的真实资料，整个社会网络完全基于现实的人物和关系，从而提供一个真实、可信、有效的社交舞台。如何在这个虚拟的社交舞台上开发出有价值的应用，来切实地促进朋友间的感情和信息交流，是发挥sns价值的关键。

2.六度空间理论

“六度空间”理论又称作六度分隔(sixdegreesofseparation)理论。这个理论可以通俗地阐述为：“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够认识任何一个陌生人。”该理论产生于20世纪60年代，由美国心理学家米尔格伦提出。

该理论认为，人们通过六层人际关系便可以找到地球上的任何一个人。虽然它至今仍然只停留在备受争议的“假说”阶段，但却引起了各个领域学者的研究和关注。

3.亲密度

新密度是描述用户和好友之间关系远近亲疏程度的，新密度越高，说明用户对好友关系越近，则从该好友处获取信息的可靠性越大，同时，好友推荐的网页、发表过的文章、对问题的回答被关注采纳的机会也越大。因此那些新密度高的人，应该在关系推荐中处于较靠前的位置。

4.信誉度

信誉度是表示一个人被公众知道、了解的程度，社会影响的广度和深度，是评价名气大小的客观尺度。一个人的信誉度与他的个人经历有着密切的关系，例如一个在计算机网络领域有过十几年经验并负责过多项大型网络架构设计的专家的信誉度会明显大于一个初涉此领域没什么经验的人。一个人的信誉度越高，他推荐的网页、发表过的blog、回答问题的权威性就越高，应该在关系推荐中处于更高的优先级。

本发明中，为了实现为好友请求者a找到合适的用户b的目的，要求a和b满足以下三个条件：

使得a和b的关系尽量亲密，则a从b处取得有用信息的可能性越大，这里我们使用亲密度来衡量a和b之间的亲密程度。

目标人物b的信誉度应尽可能高，则a从b处获取的信息的可信程度就越高。

从a到b经历的中间人应尽可能少，因为没经过一个介绍人，亲密度就会衰减一次，b帮助a的意愿也会逐渐减小。

在实现此目的的过程中，本发明定义了如下变量：

亲密度i，用于描述用户间的亲密度，其取值范围为[0,l]。iab表示用户a和b的亲密度，其值越高则用户a和b亲密度越高，反之则亲密度越低。如果如果a和b完全不认识，则iab＝0，iab＝1当且仅当a＝b时成立。另外，iab表示从用户a出发，即a认不认识b的情况，由于可能存在a认识b而b不认识a的情况，所以iab≠iba。初始状态时，iab可由用户a设定，以后自动根据a、b之间的活动和操作进行更新。

亲密度的维度d，用于度量亲密度传递的指标。若a和b是直接好友，即二者之间直接认识而无中间人，则dab＝1；若a和b的关系通过中间人c进行传递，即a是c的好友，c是b的好友，用户a和b之间存在中间人c，则dab＝2。总而言之，两用户之间的维度等于两用户之间中间人数量加一。维度为1的好友为直接好友。

信誉度c，用于描述某用户在特定区域的信誉度，其取值范围为[0,l]。该值越接近o表示用户的信誉度越低，反之则用户信誉度越高。ca的初始值由系统根据该用户a的自然属性由后台管理员或审查人员进行设定，以后由系统根据用户的活动和操作进行更新。

r表示某用户的直接好友中的最大信誉度。若用户a的直接好友集合为fa＝{u1,u2,...,um}，则用户a的直接好友中的最大信誉度

下面结合附图对本发明的实施例做进一步的说明。

请参阅图1，本发明提出的一种基于亲密度和信誉度的社交网络关系推荐方法，通过以下步骤实现：

s1、获取用户a的直接好友集合，其中，直接好友为维度为1的用户，维度等于用户之间中间人数量加一。

本实施例中，获取用户a的维度为1的直接好友集合fa＝{u1,u2,...,um}。

s2、计算用户a的直接好友集合中每一个好友与用户a的关系权值，得到与用户a关系权值最大的好友uk，令好友uk为目标好友。

本实施例中，初始化用户a的推荐好友集合为空，即fra＝{}，且最后为用户a推荐的好友存放于该集合中。

对每一个用户a的直接好友ui∈fa，计算ui与用户a的关系权值

其中，代表了ui被推荐给用户a的程度，该值越大越值得被推荐；ρ表示在中所占比重，其取值范围为[0,l]，ρ的取值可调节中和的占比；i表示用户间的亲密度，其取值范围为[0,1]，表示用户a和ui之间的亲密度；r表示用户的直接好友中的最大信誉度，c表示用户的信誉度，c取值范围为[0,l]，即表示ui的直接好友中的最大信誉度；

通过计算每一个用户a的直接好友与用户a的关系权值，得到令取得最大值的即用户a的直接好友uk具有最大的令uk为目标好友。

s3、获取目标好友的直接好友集合，目标好友的好友集合中的好友与用户a的维度相对于目标好友与用户a的维度加一，计算目标好友的好友集合中每一个好友与用户a的关系权值，并将关系权值不小于预设权值阈值的好友加入用户a的推荐好友集合。

本实施例中，获取目标好友的直接好友集合f＝{v1,v2,...,vn}，计算每一个目标好友的直接好友vi与用户a的关系权值

其中，表示用户a与vi之间的维度；σ表示用户对中间人的数量的关注度，其取值范围为[0,l]，该值越大，那么权值受维度的影响越大，因中间人增加、维度增大而导致权值衰减速度变快。

对每一个的vi，将加入用户a的推荐好友集合fra，其中，m为预设权值阈值。

s4、判断加入推荐好友集合的好友与用户a的维度是否小于预设维度阈值，当小于预设维度阈值时，令加入推荐好友集合的好友为目标好友，流程回到步骤s3。

本实施例中，步骤s4通过以下流程实现：

s41、判断新加入推荐好友集合fra的vi的维度是否小于预设维度阈值。

s42、若新加入的vi的维度davi小于预设维度阈值，则将新加入的vi设置为目标好友，流程回到s3。

本实施例中，预设维度阈值根据六度空间理论取值为6，也可以为其它取值。

本实施例中，第一批加入推荐好友集合的vi维度为2，在维度阈值等于6的情况下，2＜6，则将新加入的vi作为目标好友回到步骤s3继续进行好友推荐，一直重复，直到新加入的vi的维度等于6，重复结束。

s43、若新加入的vi的维度不小于预设维度阈值，流程进入步骤s5。

s5、当加入推荐好友集合的好友与用户a的维度不小于预设维度阈值时，得到用户a的推荐好友集合。

本实施例中，在步骤s4中的重复结束后，得到完整的用户a的推荐好友集合fra。

本领域的普通技术人员将会意识到，这里的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。