基於在線社交網絡的幫助用戶給產品評分的方法
2023-09-19 03:00:00
基於在線社交網絡的幫助用戶給產品評分的方法
【專利摘要】本發明提供一種基於在線社交網絡的幫助用戶給產品評分的方法，該方法首先收集用戶與朋友的歷史評分信息；然後再將收集到的信息進行處理；最後給用戶準確的推薦評分，其中用戶收集朋友的歷史評分信息是通過在線社交網絡獲得，處理信息主要是根據貝葉斯定理來進行計算，用戶可以更新整個網絡的概率分布。本發明能夠不斷地進行動態學習，很好地利用在線社交網絡幫助用戶推薦產品，保證推薦質量與推薦量之間的權衡。
【專利說明】基於在線社交網絡的幫助用戶給產品評分的方法
【技術領域】
[0001]本發明涉及在線社交網絡的交互方法，建立一種新型推薦系統，利用貝葉斯推理原理進行高效推薦，屬於軟體工程、人機互動、網際網路交叉技術應用領域。
【背景技術】
[0002]近年來，在線社交網絡逐漸流行，吸引了成千上萬的用戶，已經成為當今構建朋友關係和分享信息的主要平臺之一。在線社交網絡中，朋友推薦是一個關鍵性的任務，在我們的生活中發揮著越來越重要的作用。準確的建議可以使用戶能夠快速找到理想的項目而不被不相關的信息淹沒。供應商很樂意給他們的潛在客戶推薦他們滿意的商品，並且希望把它們變成真正的買家。
[0003]在現實生活中，人們購買商品或消費服務之前，往往在他們的社交網絡求助於朋友並徵求他們的意見。在社會學和心理學領域的研究結果表明，人類往往傾向於和同類型的人在一起，這就是所謂的同質性。由於穩定而持久的社會關係，人們更願意與他們的朋友分享他們的個人意見，並且比起陌生人和供應商，他們更加信任來自朋友的建議。在線社交網絡不僅方便用戶分享他們的意見，並且也可以作為一個平臺，來自動化執行現實生活中基於在線社交網絡的推薦算法。
[0004]貝葉斯方法是一種在已知先驗概率和條件概率的情況下，計算後驗概率的模式識別方法。其分類的原理是根據某實例的先驗概率，利用貝葉斯公式計算出其後驗概率，即該實例屬於某一類的概率，選擇具有最大後驗概率的類作為該實例所屬的類。該方法是用概率來表示所有形式的不確定性，用概率規則來實現學習或其他形式的推理，具有魯棒性強，易實現等優點，是處理不確定性問題的有力工具，已在人類學習機制探索及Web採掘等方面得到了廣泛的應用，並成為人工智慧、機器學習和數據採掘等領域研究的熱點之一。
【發明內容】
[0005]技術問題:本發明的目的是提供一種基於在線社交網絡的幫助用戶給產品評分的方法，該方法以在線社交網絡為平臺，以一組條件概率來衡量在線社交網絡關聯用戶之間評分的相似性，並根據貝葉斯推理來推斷出用戶的評分，解決推薦質量與推薦量間靈活權衡以及評分稀疏的問題。
[0006]技術方案:本發明所述的基於在線社交網絡的幫助用戶給產品評分的方法，用戶在在線社交網絡中通過運行代理連接其自己的設備，向朋友發布自己的評分，用戶查詢得到在線社交網絡中朋友的評分，再根據所得的歷史相似性評分由貝葉斯推理方法推理得到新的推薦評分。
[0007]基於在線社交網絡的幫助用戶給產品評分的方法包括以下步驟:
[0008]步驟I)獲得用戶在在線社交網絡中輸入的當前所購買產品的名稱；所述在線社交網絡是在網際網路上與其他人相聯繫的一個平臺，用戶對產品進行評分，同時分享給該用戶的朋友，查詢該用戶的朋友的評分；[0009]步驟2)查詢獲取在線社交網絡中用戶的朋友對當前所購買產品已給出的評分；
[0010]步驟3)按照查詢到的用戶朋友對當前所購買產品的評分大小對朋友進行分類，評分相同的朋友歸為一類；
[0011]步驟4)獲取用戶已購買其他產品及相對應的評分；
[0012]步驟5)依次獲取其中一類朋友及相對應的評分，評分記為ti;i是朋友類的序號；
[0013]步驟51)依次獲取這類朋友中一個朋友k的已購買其他產品及相對應的評分，所述k表不朋友的序號；
[0014]步驟511)將用戶已購買的其他產品與這個朋友已購買的其他產品進行比較，獲得用戶與這個朋友都評過分的相同產品及相對應的評分；在這相同的產品中，計算當用戶評分為ti時,該朋友評分也為ti所佔的比例，記為P (Rk = til Rs = ti),所述i表示朋友類的序號，\表示朋友類i的評分，Rs表示用戶s的評分，Rk表示其中某一朋友k的評分，P (Rk=til Rs = ti)表示當用戶評分為ti時，朋友k的評分也為ti所佔的比例；當用戶與朋友沒有相同的評分ti; P(Rk = Rs = 的值設定為10% ；
[0015]步驟512)依次計算當用戶評分為\時，其餘朋友評分為\所佔的比例；
[0016]步驟52)將獲得到的這類朋友的所有比例求平均值，得到用戶與評分為\的這類用戶的聯合關係，記為P (Qt = ti I Rs = = mean (P (Rk = h |RS = tj),所述t表示朋友類i的評分；RS表示用戶s的評分；Rk表示某一朋友k的評分；Qt表示評分相同的一類朋友的評分；mean(P(Rk = t, | Rs = t,))表示用戶評分為\時，一類用戶中評分為\的朋友所佔比例的平均值，k依次為這一類用戶的序號；P(Qt = tjRs = U表示用戶評分為\時，一類用戶評分為\所佔的比例；
[0017]步驟53)依次計算用戶與其餘評分的各類朋友的聯合關係；
[0018]步驟6)計算用戶在已購買其他產品的評分中，每個評分所佔的比例，記為P(RS =\)，所述\表示朋友類i的評分，Rs表示用戶s的評分，P (Rs = 表示用戶在已購買其他產品的評分中，每個評分所佔的比例；當用戶從來沒有評過某分，它的值設定為1% ；
[0019]步驟7)根據貝葉斯公式計算每種評分在所有評分中所佔的比例，由
【權利要求】
1.一種基於在線社交網絡的幫助用戶給產品評分的方法，其特徵在於該方法包括以下步驟: 步驟I)獲得用戶在在線社交網絡中輸入的當前所購買產品的名稱；所述在線社交網絡是在網際網路上與其他人相聯繫的一個平臺，用戶對產品進行評分，同時分享給該用戶的朋友，查詢該用戶的朋友的評分； 步驟2)查詢獲取在線社交網絡中用戶的朋友對當前所購買產品已給出的評分； 步驟3)按照查詢到的用戶朋友對當前所購買產品的評分大小對朋友進行分類，評分相同的朋友歸為一類； 步驟4)獲取用戶已購買其他產品及相對應的評分； 步驟5)依次獲取其中一類朋友及相對應的評分，評分記為ti; i是朋友類的序號；步驟51)依次獲取這類朋友中一個朋友k的已購買其他產品及相對應的評分，所述k表不朋友的序號； 步驟511)將用戶已購買的其他產品與這個朋友已購買的其他產品進行比較，獲得用戶與這個朋友都評過分的相同產品及相對應的評分；在這相同的產品中，計算當用戶評分為h時,該朋友評分也為h所佔的比例，記為P (Rk = ti I Rs = tj ,所述i表示朋友類的序號，\表示朋友類i的評分，Rs表示用戶s的評分，Rk表示其中某一朋友k的評分，P (Rk =^ IRs = ti)表示當用戶評分為ti時，朋友k的評分也為ti所佔的比例；當用戶與朋友沒有相同的評分ti； P(Rk = ti I Rs = ti)的值設定為10% ； 步驟512)依次計算當用戶評分為\時，其餘朋友評分為\所佔的比例； 步驟52)將獲得到的這類朋友的所有比例求平均值，得到用戶與評分為\的這類用戶的聯合關係，記為P (Qt = ti I Rs = = mean (P (Rk = tjR, = t^),所述表示朋友類i的評分；RS表示用戶s的評分；Rk表示某一朋友k的評分；Qt表示評分相同的一類朋友的評分；mean(P(Rk = t, | Rs = t,))表示用戶評分為\時，一類用戶中評分為\的朋友所佔比例的平均值，k依次為這一類用戶的序號；P(Qt = Rs = 表示用戶評分為\時，一類用戶評分為\所佔的比例； 步驟53)依次計算用戶與其餘評分的各類朋友的聯合關係； 步驟6)計算用戶在已購買其他產品的評分中，每個評分所佔的比例，記為P(RS = \)，所述\表示朋友類i的評分，Rs表示用戶s的評分，P(RS = 表示用戶在已購買其他產品的評分中，每個評分所佔的比例；當用戶從來沒有評過某分，它的值設定為1% ; 步驟7)根據貝葉斯公式計算每種評分在所有評分中所佔的比例，由
【文檔編號】G06F17/30GK104008141SQ201410193932
【公開日】2014年8月27日 申請日期:2014年5月8日 優先權日:2014年5月8日
【發明者】王東, 陳志 , 嶽文靜 申請人:南京郵電大學