科创中国
一种线性时间好友推荐方法、系统、终端以及存储介质
成果类型：: 发明专利
发布时间: 2023-11-10 11:49:37
科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-11-16 09:00:19
本申请涉及一种线性时间好友推荐方法、系统、终端以及存储介质。方法包括：基于社交网络中用户发布的文本内容数据估算每个用户的主题兴趣度，并根据主题兴趣度计算用户间的兴趣相似性；根据用户的社交互动行为计算用户间的社交亲密性；根据兴趣相似性和社交亲密性为目标用户构建加权异构网络；采用自底向上模块度增值的社区发现方法挖掘目标用户在加权异构网络中的社区集合，并计算出目标用户归附相关社区集合中各个社区的隶属度值；根据社区隶属度值从加权异构网络中提取出设定数量的用户，生成目标用户的好友推荐集。本申请实施例通过融合用户间的兴趣相似性和社交亲密性，明显改善了好友推荐的准确度，显著提高了好友推荐的效率。
一种线性时间好友推荐方法，其特征在于，包括：
基于社交网络中用户发布的文本内容数据估算每个用户的主题兴趣度，并根据所述主题兴趣度计算用户间的兴趣相似性；
根据社交网络中用户的社交互动行为计算用户间的社交亲密性；
根据所述兴趣相似性和社交亲密性为目标用户构建加权异构网络，所述加权异构网络中包括与目标用户具备共同兴趣或共同好友的潜在好友候选人；
采用自底向上模块度增值的社区发现方法挖掘所述目标用户在加权异构网络中的社区集合，并计算出所述目标用户归附不同社区的隶属度值；
根据所述隶属度值从加权异构网络中提取出设定数量的用户，生成所述目标用户的好友推荐集。
1.1 基于用户行为的算法
使用用户的行为数据来推荐好友，例如用户的浏览历史、搜索历史、喜好等。可以采用机器学习算法，如协同过滤、矩阵分解等，以挖掘用户之间的潜在关系。
1.2 基于社交网络图的算法
利用社交网络图的拓扑结构，采用图算法来识别用户之间的关系，例如广度优先搜索、PageRank等。
1.3 实时性算法
考虑用户行为的实时性，采用流式处理算法，确保系统能够及时更新好友推荐。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
2.1 数据采集与存储
建立数据采集系统，收集用户行为数据，并将数据存储在可扩展的数据库中，以支持系统的线性扩展。
2.2 模型训练与推理
使用分布式计算框架进行模型的训练和推理，确保系统在大规模数据下具有良好的性能。
2.3 实时处理
引入实时处理组件，以处理用户实时行为数据，保证系统的实时性。
3. 终端应用
3.1 移动端应用
设计友好的移动端应用，提供个性化的好友推荐列表，并支持用户与推荐好友的互动。
3.2 Web端应用
为Web端提供相似的功能，确保用户在不同平台上都能够方便地使用好友推荐服务。
技术转让
采用缓存技术，提高好友推荐的响应速度，减轻数据库的负担。选择适当的分布式存储系统，以支持系统的高可用性和可扩展性。
下载app