一種基于雙吸引度計算的社交網絡陌生交友推薦方法及系統的制作方法
【技術領域】
[0001]本發(fā)明屬于互聯網技術領域，具體涉及一種基于雙吸引度計算的社交網絡陌生交友推薦方法及系統。
【背景技術】
[0002]陌生交友是指，兩個在現實生活中不存在社會關系的人建立社交網絡上的好友關系。陌生交友目前已經是一個比較普遍的社交網絡現象。當前社交網絡/軟件的好友推薦技術主要依據的是用戶之間的相似性。好友推薦方法主要包括三類:(I)基于社交網絡中的節(jié)點(即用戶)的網絡相似性度量來推薦，代表性的產品或功能包括騰訊QQ的可能認識的人、Facebook的People You May Know等；(2)基于用戶屬性的相似性來推薦，比如同城交友、具有相同興趣的交友等；(3)上述兩種技術的混合。這三類技術的核心思想均為基于用戶之間的相似性來推薦好友。
[0003]但是，當前的好友推薦方法在推薦陌生好友時常常存在以下問題:
[0004](I)對用戶產生騷擾。只有部分用戶或者處于某些階段的用戶才會對陌生交友感興趣，而另外一些用戶或者處于另外一些階段的用戶則可能對陌生交友不感興趣。為后一種用戶推薦陌生好友，或者將后一種用戶推薦給別的用戶，會對這些用戶造成騷擾；(2)推薦不準確?，F有的推薦方法依據的是相似性度量，然而，這樣推薦得到的好友，用戶往往不感興趣。與推薦相似的用戶相比，推薦相匹配的用戶應該會更加準確。(3)現有的推薦系統的推薦結果基本是靜態(tài)的，推薦結果會在較長時間內保持不變，而推薦陌生好友是一個不斷試錯和總結的過程。

【發(fā)明內容】

[0005]為了克服上述現有技術存在的缺陷，本發(fā)明的目的在于提供一種基于雙吸引度計算的社交網絡陌生交友推薦方法及系統。
[0006]本發(fā)明是通過以下技術方案來實現:
[0007]本發(fā)明公開了一種基于雙吸引度計算的社交網絡陌生交友推薦方法，包括以下步驟:
[0008]步驟一，通過社交網絡用戶交友數據庫，識別處于社交探索期的用戶，構建社交探索期用戶列表；
[0009]步驟二，在社交探索期用戶列表中，根據社交探索期的用戶個人屬性，計算兩個處于社交探索期的用戶的雙吸引指數，得出二者的匹配程度；
[0010]步驟三，根據匹配程度將推薦結果動態(tài)展示給社交探索期的用戶，社交探索期的用戶根據需求自行選擇互動。
[0011]步驟一所述的構建社交探索期用戶列表，具體操作包括如下步驟:
[0012]I)采集某一用戶在最近某一時間段內的交友記錄，計算新增好友與該用戶的共同好友數；
[0013]2)定義與該用戶的共同好友數等于O的新增好友為陌生好友；定義與該用戶的共同好友數大于O的新增好友為熟人好友；
[0014]3)根據自定義規(guī)則，篩選得出處于社交探索期的用戶，形成社交探索期用戶列表。
[0015]優(yōu)選地，步驟3)自定義規(guī)則為:若用戶新增好友數大于5，并且新增好友中的陌生好友所占的比例大于50%，則視此用戶為社交探索期用戶。
[0016]共同好友數指用戶的好友與新增好友的好友重復個數。
[0017]步驟二所述的根據社交探索期的用戶個人屬性，計算兩個處于社交探索期的用戶的雙吸引指數，具體操作包括如下步驟:
[0018]I)假設有兩個用戶Ul和U2，采集Ul和U2的個人屬性，并形成個人屬性向量A;
[0019]2)采集Ul和U2在某一時間段內新增好友的個人屬性向量Af，計算平均個人屬性P;
[0020 ] 3)計算U2對Ul的吸引指數以及Ul對U2的吸引指數:
[0021]U2對Ul的吸引指數的計算公式為:AI(U2>U1)=P1.A2/( |Pl |* |A2 |);
[0022]其中Pl.A2是向量積，|P1 I是向量的模，該公式計算Pl與A2向量的余弦，通過兩個向量的夾角來判斷其匹配程度；
[0023]Ul對U2的吸引指數計算公式為:AI(U1>U2)=P2.A1/(|P2|*|A1|);
[0024]4)定義Ul和U2間的雙吸引指數為Al (U1〈>U2)，計算兩個用戶Ul和U2間的雙吸引指數，計算公式如下:AI(U1〈>U2)=AI(U1>U2)*AI(U2>U1)。
[0025]步驟三所述的根據匹配程度將推薦結果動態(tài)展示給社交探索期的用戶，是按照雙吸引指數得分由高到低將推薦結果按順序推薦給用戶，并通過用戶終端能夠識別的方式展不O
[0026]優(yōu)選地，當用戶瀏覽過推薦結果后，推薦結果失效并消失。
[0027]優(yōu)選地，當未瀏覽的推薦結果小于用戶設定的數量時，重新啟動計算下一批推薦結果。
[0028]本發(fā)明還公開了一種基于雙吸引度計算的社交網絡陌生交友推薦系統，包括:
[0029]社交探索期用戶識別模塊，該模塊基于用戶交友數據庫，用于識別處于社交探索期的社交網絡用戶，并構建社交探索期用戶列表；
[0030]交友匹配計算模塊，用于計算兩個處于社交探索期的用戶的雙吸引指數，得出二者的匹配程度；
[0031]結果展示模塊，用于將推薦結果動態(tài)展示給用戶，并允許用戶根據需求進行互動。
[0032]與現有技術相比，本發(fā)明具有以下有益的技術效果:
[0033]本發(fā)明公開的基于雙吸引度計算的社交網絡陌生交友推薦方法，首先通過識別處于社交探索期的用戶，構建社交探索期用戶列表;然后根據社交探索期的用戶個人屬性，計算兩個處于社交探索期的用戶的雙吸引指數，得出二者的匹配程度;最后，根據匹配程度將推薦結果動態(tài)展示給社交探索期的用戶。該方法較現有方法優(yōu)勢主要體現在:該方法通過識別社交探索期的用戶，只為社交探索期的用戶推薦其它社交探索期的用戶，杜絕對用戶的騷擾。同時，通過設計“雙吸引指數”概率計算模型，推薦相匹配的用戶，提高推薦的準確度。
[0034]優(yōu)選地，當用戶瀏覽過推薦結果后，推薦結果失效并消失，當未瀏覽的推薦結果小于用戶設定的數量時，重新啟動計算下一批推薦結果。本方法能夠通過設計推薦結果的生命周期管理，使得推薦結果隨著用戶操作而動態(tài)變化。
[0035]本發(fā)明公開的基于雙吸引度計算的社交網絡陌生交友推薦系統，主要由以下三部分組成:社交探索期用戶識別模塊、交友匹配計算模塊、推薦結果展示模塊。社交探索期用戶識別模塊基于用戶交友數據庫，識別處于社交探索期的社交網絡用戶；交友匹配計算模塊用于計算兩個處于社交探索期的用戶的匹配指數;結果展示模塊是將推薦結果動態(tài)展示給用戶，并允許用戶進行一定的互動。
【附圖說明】
[0036]圖1為基于雙吸引度計算的社交網絡陌生交友推薦系統邏輯結構圖；
[0037]圖2為基于雙吸引度計算的社交網絡陌生交友推薦結果展示圖。
[0038]其中，101為用戶交友數據庫；102為社交探索期用戶識別模塊；103為交友匹配計算模塊;104為結果展示模塊。
【具體實施方式】
[0039]下面結合具體的實施例對本發(fā)明做進一步的詳細說明，所述是對本發(fā)明的解釋而不是限定。
[0040]本發(fā)明公開了一種基于雙吸引度計算的社交網絡陌生交友推薦方法及系統，其功能結構圖如圖1所示，其中，101為用戶交友數據庫；102為社交探索期用戶識別模塊；103為交友匹配計算模塊;104為結果展示模塊。
[0041]系統功能主要由以下三部分組成:社交探索期用戶識別模塊102、交友匹配計算模塊103及結果展示模塊104。社交探索期用戶識別模塊102基于用戶交友數據庫，識別處于社交探索期的社交網絡用戶；交友匹配計算模塊103用于計算兩個處于社交探索期的用戶的匹配指數;結果展示模塊104是將推薦結果動態(tài)展示給用戶，并允許用戶進行一定的互動。
[0042]基于雙吸引度計算的社交網絡陌生交友推薦方法，包括以下步驟:
[0043]步驟一，通過社交網絡用戶交友數據庫，識別處于社交探索期的用戶，構建社交探索期用戶列表；
[0044]步驟二，在社交探索期用戶列表中，根據社交探索期的用戶個人屬性，計算兩個處于社交探索期的用戶的雙吸引指數，得出二者的匹配程度；
[0045]步驟三，根據匹配程度將推薦結果動態(tài)展示給社交探索期