一種基于私密度和公知度的社交網(wǎng)絡關系推薦方法
【技術領域】
[0001] 本發(fā)明屬于計算機人工智能技術領域，具體設及一種基于私密度和公知度的社交 網(wǎng)絡關系推薦方法的設計。
【背景技術】
[0002] 隨著互聯(lián)網(wǎng)的發(fā)展，人們將日常活動越來越多的與互聯(lián)網(wǎng)結(jié)合在一起，針對人類 社會活動的服務開始越來越多的被大家關注，目前社交網(wǎng)絡已經(jīng)成為網(wǎng)絡用戶重要的基礎 應用之一。社交網(wǎng)絡（Social化tworkService,SN巧帶來的多樣化網(wǎng)絡應用正在改變個 體對互聯(lián)網(wǎng)的使用習慣，同時對互聯(lián)網(wǎng)的發(fā)展起到積極的推動作用。社交網(wǎng)絡在維護個體 關系的同時，還進一步拓展了新的關系。隨著SNS用戶規(guī)模的不斷擴大，越來越多的用戶已 將現(xiàn)實生活中的人際關系延伸到網(wǎng)絡中，W現(xiàn)實社會關系為基礎來模擬或者重建現(xiàn)實社會 的人際關系網(wǎng)絡，個體的工作、情感與現(xiàn)實生活緊密相連，成為現(xiàn)實生活中的一部分。社交 網(wǎng)站在從根本上改變?nèi)穗H交往和社區(qū)活動等社會生活方式方面具有很大的潛力。
[0003] 隨著網(wǎng)絡技術的發(fā)展，越來越多的社交網(wǎng)絡服務在為廣大用戶提供交際的平臺， 但如何有效地拓展用戶關系，智能發(fā)掘、維護和支持人與人之間的關系，智能地了解用戶的 關系網(wǎng)絡，是每個SNS都必須解決的核屯、問題。目前雖然已有一些基于最短路徑、圖論的關 系算法，但運些算法或者功能較弱，關系挖掘力度小，又或者復雜度過高，當用戶數(shù)量較大 時運行速度極慢，不能很好的適應當前的社交網(wǎng)絡服務現(xiàn)狀和要求。
[0004] 關系鏈接
[0005] 在社交網(wǎng)絡中，人與人之間的關系是W鏈接的方式存在的。包括"弱鏈接"和"強 鏈接"兩種形式。其中弱鏈接體現(xiàn)的是信息流通的過程，是跨行業(yè)跨領域的信息傳播；"強 鏈接"則反映了每個人身邊最為親密的關系。SNS通過互聯(lián)網(wǎng)的方式，可W將人際關系網(wǎng)的 資源完全挖掘出來。
[0006] 運里既包含了那些親近的"強鏈接"，也包含了那些久不見面的"弱鏈接"。通過SNS，用戶可W輕松地認識"朋友的朋友"，從而通過認識的人找到自己需要的人，擴展自己 的人脈。與此同時，用戶也可W通過SNS運個平臺來科學地管理自己的人際網(wǎng)絡資源，為自 己贏得更多的機會。SNS的價值根源就在于運個平臺信息的真實性，用戶提供自己的真實資 料，整個社會網(wǎng)絡完全基于現(xiàn)實的人物和關系，從而提供一個真實、可信、有效的社交舞臺。 如何在運個虛擬的社交舞臺上開發(fā)出有價值的應用，來切實地促進朋友間的感情和信息交 流，是發(fā)揮SNS價值的關鍵。
[0007] 六度空間理論
[0008] "六度空間理論"又稱作六度分割（SixDegreesOfS巧aration)理論。運個理論 可W通俗地闡述為："你和任何一個陌生人之間所間隔的人不會超過六個，也就是說，最多 通過六個人你就能夠認識任何一個陌生人。"該理論產(chǎn)生于20世紀60年代，由美國屯、理學 家米爾格倫提出。
[0009] 該理論認為，人們通過六層人際關系便可W找到地球上的任何一個人。雖然它至 今仍然只停留在備受爭議的"假說"階段，但卻引起了各個領域?qū)W者的研究和關注。
[0010] Restlet框架
[0011] 社交網(wǎng)絡的關系的發(fā)布是服務"的形式在網(wǎng)絡上呈現(xiàn)的，因此需要采用服務框 架將SNSWWebService的方式發(fā)布出來。Restlet是一個化va下的輕量級REST框架，它 模糊了Web站點和Web服務之間的界限，從而幫助開發(fā)人員構(gòu)建Web應用。
[0012] REST是一種客戶端/服務器結(jié)構(gòu)，它的連接協(xié)議具有無狀態(tài)性，要求客戶端每次 經(jīng)過無狀態(tài)的連接協(xié)議傳送的信息必須包含應用中所有的狀態(tài)信息，即從客戶到服務器的 每個請求都必須包含理解該請求所必需的所有信息，不能利用任何存儲在服務器上的上下 文，會話狀態(tài)因此要全部保存在客戶端。REST的無狀態(tài)性改善了系統(tǒng)的可見性、可靠性和 可伸縮性，不必保存多個請求之間的狀態(tài)，服務器組件就可W迅速釋放資源并進一步簡化 其實現(xiàn)，同時監(jiān)視系統(tǒng)也不必為了確定請求的全部性質(zhì)而查看多個請求的數(shù)據(jù)，此外，通訊 本身的無狀態(tài)性可W讓不同的服務器的處理一系列請求中的不同請求，提高服務器的擴展 性。然而運樣卻降低了網(wǎng)絡的性能，因為客戶端不得不發(fā)送一些重復的數(shù)據(jù)，于是為了提高 系統(tǒng)的效率和用戶可覺察的性能，并使系統(tǒng)具有層次化，REST使用了緩存機制。
[0013] 緩存組件在客戶端和服務器之間扮演一個仲裁者，早先請求的響應能夠被重用， W響應稍后的相同請求，如果將該請求轉(zhuǎn)發(fā)到服務器，得到的響應可能與緩存中已有的響 應相同。但運同樣存在一個問題，就是如果緩存中陳舊的數(shù)據(jù)與將請求發(fā)到服務器得到的 數(shù)據(jù)差別很大的話，就會降低了可靠性，關鍵在于選用的緩存策略。性能運個問題本身就沒 有一個完美的解決方案，只能根據(jù)系統(tǒng)的需要盡量找到一個最佳的平衡點。
[0014] Servlet框架
[0015] 社交網(wǎng)絡的用戶關系發(fā)布結(jié)果WWeb頁面的形式存在。Servlet是客戶請求與 服務器響應的中間層，是位于Web服務器內(nèi)部的服務器端的化va應用程序，具有獨立于平 臺和協(xié)議的特性，可W生成動態(tài)的Web頁面。不同于傳統(tǒng)的命令行啟動的化va應用程序， Servlet由Web服務器進行加載，該Web服務器必須包含支持Servlet的化va虛擬機。從 實現(xiàn)上講，Servlet可W響應任何類型的請求，但絕大多數(shù)情況下Servlet只用來擴展基于 HTTP協(xié)議的Web服務器。
[0016] 私密度
[0017] 私密度是描述用戶和好友之間關系遠近親疏程度的，私密度越高，說明用戶對好 友關系越近，則從該好友處獲取信息的可靠性越大，同時，好友推薦的網(wǎng)頁、發(fā)表過的文章、 對問題的回答被關注采納的機會也越大。因此那些私密度高的人，應該在關系推薦中處于 較靠前的位置。 陽〇1引 公知度
[0019] 公知度是表示一個人被公眾知道、了解的程度，是社會影響的廣度和深度，是評價 名氣大小的客觀尺度。一個人的公知度與他的個人經(jīng)歷有著密切的關系，例如一個在計算 機網(wǎng)絡領域有過十幾年經(jīng)驗并負責過多項大型網(wǎng)絡架構(gòu)設計的專家的公知度會明顯大于 一個初設此領域沒什么經(jīng)驗的人。一個人的公知度越高，他推薦的網(wǎng)頁、發(fā)表過的blog、回 答問題的權威性就越高，應該在關系推薦中處于更高的優(yōu)先級。

【發(fā)明內(nèi)容】

[0020] 本發(fā)明的目的是為了解決現(xiàn)有技術中基于最短路徑、圖論的關系算法或者功能較 弱，關系挖掘力度小，又或者復雜度過高，當用戶數(shù)量較大時運行速度極慢，不能很好的適 應當前的社交網(wǎng)絡服務現(xiàn)狀和要求的問題，提出了一種基于私密度和公知度的社交網(wǎng)絡關 系推薦方法。
[0021] 本發(fā)明的技術方案為：一種基于私密度和公知度的社交網(wǎng)絡關系推薦方法，包括 W下步驟： 陽02引 Sl、獲取好友請求者A的直接好友集合Fa=扣1，也...，IU;
[0023] S2、初始化建立最終好友請求者A的推薦好友集合FRa;
[0024] S3、設置好友推薦闊值M; 陽0巧]S4、計算Fa中每個直接好友與A的關系權值；
[0026] S5、查找與A的關系權值最大的好友Uk,獲取Uk的直接好友集合 廠，二恥.....。：
[0027]S6、定義Uk的直接好友集合為A的私密度維度值為2的二度好友集合，計算 中每個二度好友與A的關系權值； 陽02引 S7、將所有與A的關系權值大于或等于M的二度好友加入FRa;
[0029] S8、對每一個新加入FRa的推薦好友Vi，獲取其直接好友集合 巧={義1，義2，...，不};
[0030] S9、將好友的私密度維度值加1，計算步驟S8獲得的每個A的N維度好友集合中的 每一個好友與A的關系權值；
[0031] S10、將所有與A的關系權值大于或等于M的N維度好友加入FRa;
[0032] S11、判斷好友私密度維度值是否等于6 ;
[0033] 若是則進入步驟S12 ;
[0034] 若否則返回步驟S8;
[0035] S12、將推薦好友集合FRa推薦給好友請求者A。
[0036] 進一步地，推薦好友集合FRa初始化為空集。
[0037] 進一步地，推薦好友集合〇巧=0。 陽03引進一步地，步驟S4具體為：
[0039]對每一個A的直接好友UiGFA，根據(jù)公式（1)計算Ui與A的關系權值聽U,:; 陽040] 聽巧二知狐f十巧一如欠,, （1)
[0041] 式中表示A與Ui的私密度，取值范圍為[0, 1] ;Ra表示A的直接好友中的最大 公知度，取值范圍為[0, 1] ;P表示在Ww,中所占的重要性比例，取值范圍為[0, 1]。
[0042] 進一步地，步驟S6具體為：
[0043] 定義Uk的直接好友集合.為A的私密度維度值為2的二度好友集合，對每一個 Uk的直接好友，即A的二度好友KeF。.,，根據(jù)公式（2)計算Vi與A的關系權值Ww-;
[0044] :?巧二護^邱+ (1 _ P)&-城乂巧巧) W45] 式中表示A與Vi的私密度，取值范圍為[0, 1];爲4表示Uk的直接好友中的最 大公知度，取值范圍為[0，1] ;P表示在中所占的重要性比例，取值范圍為[0，1]; 馬K表示A與Vi的好友私密度的維度，本步驟中￡>%=2;O表示用戶對中間人的數(shù)目的 關注程度，取值范圍為（〇，1)。
[0046] 進一步地，步驟S9具體為：
[0047] 將好友的私密度維度值加1，根據(jù)公式（3)計算步驟S8獲得的每個A的N維度好 友集合中的每一個好友疋€巧^,與A的關系權值: 陽048]巧'.化，二風'化,+ (1 -的氣-誠,化，。） W例式中JjXj,表示A與Xi的私密度，取值范圍為[0，1];盡.表示Vj的直接好友中 的最大公知度，取值范圍為[0，1];P表示/馬在WiA.,中所占的重要性比例，取值范圍為
[0，1] ;A、表示A與Xi的好友私密度的維度，每執(zhí)行一次本步驟，馬T曲值加1;O表示用 戶對中間人的數(shù)目的關注程度，取值范圍為（0, 1)。
[0050] 本發(fā)明的有益效果是：本發(fā)明通過定義社交網(wǎng)絡關系的私密度和公知度，分析、計 算出人與人關系的度量，判斷關系的親密程度，并據(jù)此為用戶智能推薦建立新的社交關系， 有效地挖掘出了社交領域中潛在的人與人的關系，豐富了社交關系網(wǎng)絡，提高了用戶的社 交網(wǎng)絡黏合度，過程相對簡單，效果較好。
【附圖說明】
[0051] 圖1為本發(fā)明提供的一種基于私密度和公知度的社交網(wǎng)絡關系推薦方法流程圖。
【具體實施方式】
[0052] 下面結(jié)合附圖對本發(fā)明的實施例作進一步的說明