一种基于私密度和公知度的社交网络关系推荐方法
【技术领域】
[0001] 本发明属于计算机人工智能技术领域，具体设及一种基于私密度和公知度的社交 网络关系推荐方法的设计。
【背景技术】
[0002] 随着互联网的发展，人们将日常活动越来越多的与互联网结合在一起，针对人类 社会活动的服务开始越来越多的被大家关注，目前社交网络已经成为网络用户重要的基础 应用之一。社交网络（Social化tworkService,SN巧带来的多样化网络应用正在改变个 体对互联网的使用习惯，同时对互联网的发展起到积极的推动作用。社交网络在维护个体 关系的同时，还进一步拓展了新的关系。随着SNS用户规模的不断扩大，越来越多的用户已 将现实生活中的人际关系延伸到网络中，W现实社会关系为基础来模拟或者重建现实社会 的人际关系网络，个体的工作、情感与现实生活紧密相连，成为现实生活中的一部分。社交 网站在从根本上改变人际交往和社区活动等社会生活方式方面具有很大的潜力。
[0003] 随着网络技术的发展，越来越多的社交网络服务在为广大用户提供交际的平台， 但如何有效地拓展用户关系，智能发掘、维护和支持人与人之间的关系，智能地了解用户的 关系网络，是每个SNS都必须解决的核屯、问题。目前虽然已有一些基于最短路径、图论的关 系算法，但运些算法或者功能较弱，关系挖掘力度小，又或者复杂度过高，当用户数量较大 时运行速度极慢，不能很好的适应当前的社交网络服务现状和要求。
[0004] 关系链接
[0005] 在社交网络中，人与人之间的关系是W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W将人际关系网的 资源完全挖掘出来。
[0006] 运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W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W通过SNS运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的价值根源就在于运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。 如何在运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。
[0007] 六度空间理论
[0008] "六度空间理论"又称作六度分割（SixDegreesOfS巧aration)理论。运个理论 可W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，由美国屯、理学 家米尔格伦提出。
[0009] 该理论认为，人们通过六层人际关系便可W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。
[0010] Restlet框架
[0011] 社交网络的关系的发布是服务"的形式在网络上呈现的，因此需要采用服务框 架将SNSWWebService的方式发布出来。Restlet是一个化va下的轻量级REST框架，它 模糊了Web站点和Web服务之间的界限，从而帮助开发人员构建Web应用。
[0012] REST是一种客户端/服务器结构，它的连接协议具有无状态性，要求客户端每次 经过无状态的连接协议传送的信息必须包含应用中所有的状态信息，即从客户到服务器的 每个请求都必须包含理解该请求所必需的所有信息，不能利用任何存储在服务器上的上下 文，会话状态因此要全部保存在客户端。REST的无状态性改善了系统的可见性、可靠性和 可伸缩性，不必保存多个请求之间的状态，服务器组件就可W迅速释放资源并进一步简化 其实现，同时监视系统也不必为了确定请求的全部性质而查看多个请求的数据，此外，通讯 本身的无状态性可W让不同的服务器的处理一系列请求中的不同请求，提高服务器的扩展 性。然而运样却降低了网络的性能，因为客户端不得不发送一些重复的数据，于是为了提高 系统的效率和用户可觉察的性能，并使系统具有层次化，REST使用了缓存机制。
[0013] 缓存组件在客户端和服务器之间扮演一个仲裁者，早先请求的响应能够被重用， W响应稍后的相同请求，如果将该请求转发到服务器，得到的响应可能与缓存中已有的响 应相同。但运同样存在一个问题，就是如果缓存中陈旧的数据与将请求发到服务器得到的 数据差别很大的话，就会降低了可靠性，关键在于选用的缓存策略。性能运个问题本身就没 有一个完美的解决方案，只能根据系统的需要尽量找到一个最佳的平衡点。
[0014] Servlet框架
[0015] 社交网络的用户关系发布结果WWeb页面的形式存在。Servlet是客户请求与 服务器响应的中间层，是位于Web服务器内部的服务器端的化va应用程序，具有独立于平 台和协议的特性，可W生成动态的Web页面。不同于传统的命令行启动的化va应用程序， Servlet由Web服务器进行加载，该Web服务器必须包含支持Servlet的化va虚拟机。从 实现上讲，Servlet可W响应任何类型的请求，但绝大多数情况下Servlet只用来扩展基于 HTTP协议的Web服务器。
[0016] 私密度
[0017] 私密度是描述用户和好友之间关系远近亲疏程度的，私密度越高，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。因此那些私密度高的人，应该在关系推荐中处于 较靠前的位置。 阳〇1引 公知度
[0019] 公知度是表示一个人被公众知道、了解的程度，是社会影响的广度和深度，是评价 名气大小的客观尺度。一个人的公知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公知度会明显大于 一个初设此领域没什么经验的人。一个人的公知度越高，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。
【发明内容】
[0020] 本发明的目的是为了解决现有技术中基于最短路径、图论的关系算法或者功能较 弱，关系挖掘力度小，又或者复杂度过高，当用户数量较大时运行速度极慢，不能很好的适 应当前的社交网络服务现状和要求的问题，提出了一种基于私密度和公知度的社交网络关 系推荐方法。
[0021] 本发明的技术方案为：一种基于私密度和公知度的社交网络关系推荐方法，包括 W下步骤： 阳02引 Sl、获取好友请求者A的直接好友集合Fa=扣1，也...，IU;
[0023] S2、初始化建立最终好友请求者A的推荐好友集合FRa;
[0024] S3、设置好友推荐阔值M; 阳0巧]S4、计算Fa中每个直接好友与A的关系权值；
[0026] S5、查找与A的关系权值最大的好友Uk,获取Uk的直接好友集合 厂，二恥.....。：
[0027]S6、定义Uk的直接好友集合为A的私密度维度值为2的二度好友集合，计算 中每个二度好友与A的关系权值； 阳02引 S7、将所有与A的关系权值大于或等于M的二度好友加入FRa;
[0029] S8、对每一个新加入FRa的推荐好友Vi，获取其直接好友集合 巧={义1，义2，...，不};
[0030] S9、将好友的私密度维度值加1，计算步骤S8获得的每个A的N维度好友集合中的 每一个好友与A的关系权值；
[0031] S10、将所有与A的关系权值大于或等于M的N维度好友加入FRa;
[0032] S11、判断好友私密度维度值是否等于6 ;
[0033] 若是则进入步骤S12 ;
[0034] 若否则返回步骤S8;
[0035] S12、将推荐好友集合FRa推荐给好友请求者A。
[0036] 进一步地，推荐好友集合FRa初始化为空集。
[0037] 进一步地，推荐好友集合〇巧=0。 阳03引进一步地，步骤S4具体为：
[0039]对每一个A的直接好友UiGFA，根据公式（1)计算Ui与A的关系权值听U,:; 阳040] 听巧二知狐f十巧一如欠,, （1)
[0041] 式中表示A与Ui的私密度，取值范围为[0, 1] ;Ra表示A的直接好友中的最大 公知度，取值范围为[0, 1] ;P表示在Ww,中所占的重要性比例，取值范围为[0, 1]。
[0042] 进一步地，步骤S6具体为：
[0043] 定义Uk的直接好友集合.为A的私密度维度值为2的二度好友集合，对每一个 Uk的直接好友，即A的二度好友KeF。.,，根据公式（2)计算Vi与A的关系权值Ww-;
[0044] :?巧二护^邱+ (1 _ P)&-城乂巧巧) W45] 式中表示A与Vi的私密度，取值范围为[0, 1];爲4表示Uk的直接好友中的最 大公知度，取值范围为[0，1] ;P表示在中所占的重要性比例，取值范围为[0，1]; 馬K表示A与Vi的好友私密度的维度，本步骤中￡>%=2;O表示用户对中间人的数目的 关注程度，取值范围为（〇，1)。
[0046] 进一步地，步骤S9具体为：
[0047] 将好友的私密度维度值加1，根据公式（3)计算步骤S8获得的每个A的N维度好 友集合中的每一个好友疋€巧^,与A的关系权值: 阳048]巧'.化，二风'化,+ (1 -的气-诚,化，。） W例式中JjXj,表示A与Xi的私密度，取值范围为[0，1];尽.表示Vj的直接好友中 的最大公知度，取值范围为[0，1];P表示/馬在WiA.,中所占的重要性比例，取值范围为
[0，1] ;A、表示A与Xi的好友私密度的维度，每执行一次本步骤，馬T曲值加1;O表示用 户对中间人的数目的关注程度，取值范围为（0, 1)。
[0050] 本发明的有益效果是：本发明通过定义社交网络关系的私密度和公知度，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， 有效地挖掘出了社交领域中潜在的人与人的关系，丰富了社交关系网络，提高了用户的社 交网络黏合度，过程相对简单，效果较好。
【附图说明】
[0051] 图1为本发明提供的一种基于私密度和公知度的社交网络关系推荐方法流程图。
【具体实施方式】
[0052] 下面结合附图对本发明的实施例作进一步的说明