网络消息通信中群发推荐的方法

1.一种网络消息通信中群发推荐的方法，包括以下步骤：
(1)构建群组集合
1a)任取一未访问消息m；
1b)从m中抽取出临时群组a；
1c)从群组集合中随机选取一个未被访问的群组b；
1d)判断a，b之间的集合关系：如果群组b是临时群组a的真子集，则更新群组集合；
如果群组b和临时群组a相同，则更新群组b；如果群组b不是临时群组a的子集，则执行步骤1e)；
1e)判断群组集合中是否存在未访问群组：如果群组集合中存在未访问的群组，则重复步骤1c)和1d)，直到群组集合中所有群组都被访问；如果群组集合中的群组均被访问，执行步骤1f)；
1f)判断历史消息记录中是否存在未访问消息：如果用户的历史消息记录中存在未被访问的消息，则执行步骤1a)、步骤1b)、步骤1c)、步骤1d)、步骤1e)，直到所有的消息都被访问；如果用户的历史消息记录中所有消息都已经被访问，则群组集合构建完成；
(2)获得每个群组的交互消息数
(3)提取有效群组集合
访问群组集合中的每个群组，当被访问群组的交互消息数小于最小交互消息数阈值时，将其从群组集合中直接删除；否则，保留；当遍历完群组集合后，就提取出了有效群组集合；
(4)获取每个有效群组的GR值
4a)按照下列步骤获取有效群组集合中任意一个有效群组g的GR值：
第一步，确定权重系数ω；
第二步，建立映射函数p(i)；
第三步，利用下式获得有效群组g的GR值：
其中，GR是衡量一个有效群组和用户之间联系强弱程度的数值；←表示将其右侧计算获得的结果赋值给左侧；ω是权重系数；i表示一条消息通信记录；Iin，Iout分别表示用户接收的消息集合和用户发送的消息集合；p(i)是映射函数；
4b)访问有效群组集合中的每个有效群组，由步骤4a)计算当前有效群组的GR值，当遍历完有效群组集合后，就获得了每个有效群组的GR值；
(5).计算推荐得分值
5a).从有效群组集合中任意选取一个未访问的有效群组g；
5b).从有效群组g中任意选取一个未访问的联系人c；
5c).判断c是否在S中：如果联系人c已经在用户已输入的联系人集合S中，则联系人c在有效群组g中的推荐得分值Fg(c)为0，执行步骤5e)；如果联系人c不在已输入的联系人集合S中，则执行步骤5d)；
5d).判断g与S的交集是否为空：如果有效群组g与用户已输入联系人集合S的交集为空，则联系人c在有效群组g中的推荐得分值Fg(c)＝0，执行步骤5e)；否则联系人c在有效群组g中的推荐得分值Fg(c)等于有效群组g的GR值，执行步骤5e)；
5e).判断g中是否存在未访问联系人：如果有效群组g中存在未访问的联系人，则执行步骤5b)、步骤5c)、步骤5d)，直到有效群组g中所有的联系人都被访问；如果有效群组g中所有的联系人均被访问，执行步骤5f)；
5f)判断有效群组集合中是否存在未访问有效群组：如果有效群组集合中存在未访问有效群组，则执行步骤5a)、步骤5b)、步骤5c)、步骤5d)、步骤5e)，直到有效群组集合中所有有效群组都被访问；当有效群组集合中所有有效群组均被访问时，完成计算每个联系人的推荐得分值；
(6)获取总推荐得分值
(7)获得推荐人
对所有联系人按其总推荐得分值大小进行降序排序，将得分最高的前N位联系人作为推荐对象输出给用户。
2.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤(1)所述的群组是由一组联系人构成的集合。
3.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤1b)所述的从m中抽取出临时群组a的方法是，如果消息m是用户发送的，则建立一个包含了消息m接收联系人全体的临时群组a，并将消息m添加到临时群组a的接收消息集合属性中；如果消息m是用户接收的，则建立一个包含了消息m的发送人和除用户外其他消息接收人的临时群组a，并将消息m添加到临时群组a的发送消息集合属性中。
4.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤(2)所述群组的交互消息数为接收消息集合中消息个数与发送消息集合中消息个数的和。
5.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤(3)所述的有效群组是指群组的交互消息数不小于最小交互消息数阈值的群组，其中，最小交互消息数阈值范围为不小于5。
6.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤4a)所述的权重系数ω表示用户发送消息和用户接收消息对于用户和有效群组之间联系强度贡献的强弱，ω的取值范围为ω＞1。
7.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤4a)所述的映射函数p(i)是一个将消息i映射到数值的函数，其建立的步骤为：
第一步，如果消息i是用户接收的消息，则将消息i的接收时刻赋值给时刻t(i)，如果消息i是用户发送的消息，则将消息i的发送时刻赋值给时刻t(i)；
第二步，将程序运行当前时刻tnow与时刻t(i)的时间间隔，折换成以秒为单位后赋值给时间间隔diff；
第三步，将时间间隔diff与以秒为单位的一年时间间隔的比值作为函数的映射结果，完成从消息i到数值的映射。
8.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤(6)所述的总推荐得分值是对一个联系人计算该联系人在其所出现的所有有效群组中的推荐得分值的和。
9.根据权利要求1所述的网络消息通信中群发推荐的方法，其特征在于，步骤(7)中所述N的取值范围为N≥5。

网络消息通信中群发推荐的方法\n技术领域\n[0001] 本发明属于通信技术领域，更进一步涉及网络应用层通信技术领域和海量数据分析领域中网络消息通信的群发推荐方法。本发明针对网络邮件、手机通话、即时消息通信、社交网络等网络消息通信系统，可用于局部网络消息通信中的群发推荐。\n背景技术\n[0002] 网络消息通信中的群发推荐是指用户在进行群消息通信时，系统能够自动地为用户推荐与已输入信息接收联系人关系较为密切的其他联系人，从而方便用户对信息接收联系人的选择。\n[0003] 目前，信息推荐方法中常见的三种有：基于内容的推荐、协同过滤推荐和混合推荐方法。\n[0004] 曹毅、贺卫红发表的“基于内容过滤的电子商务推荐系统研究”(《计算机技术与发展》2009年6月第19卷，第6期)论文中，对于基于内容的推荐方法进行了详细的介绍。\n该方法首先通过用户的个人信息，建立用户兴趣特征描述的模型，其次抽取信息的文本特征向量，接着由用户的历史访问数据和用户兴趣特征向量建立推荐模型，即通过计算待推荐信息的文本特征向量与用户兴趣特征向量之间的匹配度得分，从而按得分从高到低进行信息推荐。该方法存在的不足是，需要将所有用户与所有的信息进行匹配度得分的计算，这样的全局批量数据处理方法会导致其效率变低，运行时间增长，存储空间开销增大。\n[0005] Ben Y.Zhao、John Kubiatowicz、Authony D.Joseph 的“Tapestry：An infrastructure for fault-tolerant wide-area location and routing”(Technical Report UCB/CSD-01-1141，U.C.Berkeley，April 2001)论文中首次提出了协同过滤推荐的方法。其主要思想是利用同类用户具有相似爱好的特点，通过推理用户之间的相似度，来推荐用户感兴趣的资讯信息。整个推荐的过程分为三个步骤：(1)建立用户与信息的关注矩阵。(2)通过用户之间相似度的计算来发现同类用户。(3)综合同类用户关注的信息来产生用户可能感兴趣的推荐信息。该方法存在的不足之处在于，在发现同类用户时需要计算所有用户之间的相似度，造成了大量的重复计算，导致运行时间增长，效率变低。\n[0006] 混合推荐方法则是在推荐过程中混合采用了多种信息推荐方法。如在李勇的“一种引入内容特征的混合推荐方法”(江西省科技厅科技支撑项目，2010BGB01303)一文中，先使用基于内容推荐的方法对项目和用户进行分组，然后再结合协同过滤的方法为用户进行项目的推荐。本方法的不足在于，虽然采用了两种信息推荐方法，增加了结果的准确性，但是仍未解决上述两方法进行全局化批量数据处理的特征，在效率和运行时间上仍存在一定的问题。\n发明内容\n[0007] 本发明的目的在于克服上述已有技术的不足，提出一种局部网络消息通信群发推荐方法，以实现消息群发时快速准确的接收信息联系人推荐，使消息通信系统变的更便利和人性化。\n[0008] 实现本发明的技术思路是：首先抽取出用户的局部关系网络，构建直接与用户交互的群组集合，再进一步抽取出与用户存在一定消息通信数目的有效群组集合，提高联系人推荐的准确率，在此基础上根据设定的规则获取每个有效群组中每个联系人的推荐得分值，然后获取所有联系人的总推荐得分值，最后将总推荐得分值最高的前几位作为推荐对象输出给用户。\n[0009] 为了实现上述目的，本发明方法包括如下步骤：\n[0010] (1)构建群组集合\n[0011] 1a)任取一未访问消息m；\n[0012] 1b)从m中抽取出临时群组a；\n[0013] 1c)从群组集合中随机选取一个未被访问的群组b；\n[0014] 1d)判断a，b之间的集合关系：如果群组b是临时群组a的真子集，则更新群组集合；如果群组b和临时群组a相同，则更新群组b；如果群组b不是临时群组a的子集，则执行步骤1e)；\n[0015] 1e)判断群组集合中是否存在未访问群组：如果群组集合中存在未访问的群组，则重复步骤1c)和1d)，直到群组集合中所有群组都被访问；如果群组集合中的群组均被访问，执行步骤1f)；\n[0016] 1f)判断历史消息记录中是否存在未访问消息：如果用户的历史消息记录中存在未被访问的消息，则执行步骤1a)、步骤1b)、步骤1c)、步骤1d)、步骤1e)，直到所有的消息都被访问；如果用户的历史消息记录中所有消息都已经被访问，则群组集合构建完成。\n[0017] (2)获得每个群组的交互消息数\n[0018] (3)提取有效群组集合\n[0019] 访问群组集合中的每个群组，当被访问群组的交互消息数小于最小交互消息数阈值时，将其从群组集合中直接删除；否则，保留；当遍历完群组集合后，就提取出了有效群组集合。\n[0020] (4)获取每个有效群组的GR值\n[0021] 4a)按照下列步骤获取有效群组集合中任意一个有效群组g的GR值：\n[0022] 第一步，确定权重系数ω；\n[0023] 第二步，建立映射函数p(i)；\n[0024] 第三步，利用下式获得有效群组g的GR值：\n[0025] \n[0026] 其中，GR是衡量一个有效群组和用户之间联系强弱程度的数值；←表示将其左侧计算获得的结果赋值给右侧；ω是权重系数；i表示一条消息通信记录；Iin，Iout分别表示用户接收的消息集合和用户发送的消息集合；p(i)是映射函数；\n[0027] 4b)访问有效群组集合中的每个有效群组，由步骤4a)计算当前有效群组的GR值，当遍历完有效群组集合后，就获得了每个有效群组的GR值。\n[0028] (5).计算推荐得分值\n[0029] 5a).从有效群组集合中任意选取一个未访问的有效群组g；\n[0030] 5b).从有效群组g中任意选取一个未访问的联系人c；\n[0031] 5c).判断c是否在S中：如果联系人c已经在用户已输入的联系人集合S中，则联系人c在有效群组g中的推荐得分值Fg(c)为0，执行步骤5e)；如果联系人c不在已输入的联系人集合S中，则执行步骤5d)；\n[0032] 5d).判断g和S的交集是否为空：如果有效群组g与用户已输入联系人集合S的交集为空，则联系人c在有效群组g中的推荐得分值Fg(c)＝0，执行步骤5e)；否则联系人c在有效群组g中的推荐得分值Fg(c)等于有效群组g的GR值，执行步骤5e)；\n[0033] 5e).判断g中是否存在未访问联系人：如果有效群组g中存在未访问的联系人，则执行步骤5b)、步骤5c)、步骤5d)，直到有效群组g中所有的联系人都被访问；如果有效群组g中所有的联系人均被访问，执行步骤5f)；\n[0034] 5f)判断有效群组集合中是否存在未访问有效群组：如果有效群组集合中存在未访问有效群组，则执行步骤5a)、步骤5b)、步骤5c)、步骤5d)、步骤5e)，直到有效群组集合中所有有效群组都被访问；当有效群组集合中所有有效群组均被访问时，完成计算每个联系人的推荐得分值。\n[0035] (6)获取总推荐得分值\n[0036] (7)获得推荐人\n[0037] 对所有联系人按其总推荐得分值大小进行降序排序，将得分最高的前N位联系人作为推荐对象输出给用户。\n[0038] 本发明与现有技术相比，具有如下优点：\n[0039] 第一，本发明从局部网络消息通信数据中抽取局部关系网络，克服了现有技术针对全局网络进行批量数据处理造成的推荐效率低，运行时间长的问题，使本发明能够应用于更大规模的消息通信网络中。\n[0040] 第二，本发明通过对局部网络消息通信数据处理，从中抽取出局部关系网络，考虑与用户有直接消息交互的联系人群组集合，克服了现有技术由于采用全局批量数据处理方法导致的推荐效率低，运行时间长，存储空间开销大的问题，使本发明能够快速准确地进行消息群发时的联系人推荐。\n附图说明\n[0041] 图1为本发明的流程图；\n[0042] 图2为本发明构建群组集合步骤的流程图；\n[0043] 图3为本发明计算推荐得分值步骤的流程图；\n[0044] 图4为本发明在163邮件文本数据上进行群发推荐的仿真效果图；\n[0045] 图5为本发明在开心网站内消息交互文本数据上进行群发推荐的仿真效果图。\n具体实施方式\n[0046] 下面结合附图1对本发明方法的具体步骤描述如下：\n[0047] 步骤1.构建群组集合\n[0048] 建立一个空的群组集合以存储后续操作生成的群组，该群组是由一组联系人构成的集合。\n[0049] 参照附图2对步骤1构建群组集合的具体操作步骤描述如下：\n[0050] 1a)任取一未访问消息m\n[0051] 从用户的历史消息集合中随机选取一条未被访问的消息m。\n[0052] 1b)从m中抽取出临时群组a\n[0053] 通常用户的历史消息记录包括两种：用户发送的消息和用户接收的消息。因此，对不同种类的消息抽取临时群组的方式也不同。\n[0054] 如果消息m是用户发送的，则建立一个包含了消息m接收联系人全体的临时群组a，并将消息m添加到临时群组a的接收消息集合属性中；如果消息m是用户接收的，则建立一个包含了消息m的发送人和除用户外其他消息接收人的临时群组a，并将消息m添加到临时群组a的发送消息集合属性中。由此完成了从所选取的消息m中抽取出临时群组a。\n[0055] 1c)从群组集合中随机选取一个未被访问的群组b。\n[0056] 1d)判断a，b之间的集合关系：如果群组b是临时群组a的真子集，则更新群组集合，将临时群组a的接收消息集合和发送消息集合分别合并到群组b的接收消息集合和发送消息集合中，并将临时群组a加入到群组集合中；如果群组b和临时群组a相同，则更新群组b，将临时群组a的接收消息集合和发送消息集合分别合并到群组b的接收消息集合和发送消息集合中。如果群组b不是临时群组a的子集，则执行步骤1e)的操作。\n[0057] 1e)判断群组集合中是否存在未访问群组：如果群组集合中存在未访问的群组，则重复步骤1c)和1d)的操作，直到群组集合中所有群组都被访问；如果群组集合中的群组均被访问，执行步骤1f)的操作。\n[0058] 1f)判断历史消息记录中是否存在未访问消息：如果用户的历史消息记录中存在未被访问的消息，则执行步骤1a)、步骤1b)、步骤1c)、步骤1d)、步骤1e)，直到所有的消息都被访问；如果用户的历史消息记录中所有消息都已经被访问，则群组集合构建完成。\n[0059] 步骤2.获得每个群组的交互消息数\n[0060] 一个群组的交互消息数为接收消息集合中消息个数与发送消息集合中消息个数的和，即一个群组与用户进行通信的所有消息的数目。本步骤分别将每个群组的接收消息个数与发送消息个数求和就获得了每个群组的交互消息数。\n[0061] 步骤3.提取有效群组集合\n[0062] 如果一个群组和用户之间交互不频繁时，那么该群组中的联系人被推荐的几率就很小，而只有当用户和群组之间存在了一定数目的消息通信，才能说明他们之间联系紧密，交互频繁。为了挑选出这些与用户联系紧密，交互频繁的群组，设定一个最小交互消息数阈值，其取值范围为不小于5(默认值为5)。当一个群组的交互消息数不小于最小交互消息阈值时，认为该群组与用户联系紧密，其中联系人被推荐的概率就大，认为它是一个有效群组。最小交互消息数阈值表示的是群组与用户之间的交互频繁程度。最小交互消息数阈值设定的越高，就表示群组与用户的交互越频繁。\n[0063] 访问群组集合中的每个群组，当被访问群组的交互消息数不小于最小交互消息数阈值时，该群组为有效群组；当被访问群组的交互消息数小于最小交互消息数阈值时，该群组不是有效群组，将其从群组集合中直接删除。当遍历完群组集合后，抽取所有的有效群组组成有效群组集合。\n[0064] 步骤4.获取每个有效群组的GR值\n[0065] 为了表示每个有效群组和用户之间的联系强弱程度，采用GR值作为衡量一个有效群组和用户之间联系强度的标准。获取有效群组集合中任意一个有效群组g的GR值，由如下的步骤实现：\n[0066] 4a)确定权重系数ω\n[0067] 权重系数ω表示用户发送消息和用户接收消息对于用户和有效群组之间联系强度贡献的强弱。一般认为当用户给有效群组主动发送消息时，用户和该有效群组之间的联系比用户与给用户发送消息的有效群组之间的联系紧密，因此，一般取ω＞1，本发明的实施例中该权重系数取ω＝2；\n[0068] 4b)建立映射函数p(i)\n[0069] p(i)是一个将消息i映射到数值的函数，映射函数建立的步骤为：首先，如果消息i是用户接收的消息，则将消息i的接收时刻赋值给时刻t(i)，如果消息i是用户发送的消息，则将消息i的发送时刻赋值给时刻t(i)；然后，将程序运行当前时刻tnow与时刻t(i)的时间间隔，折换成以秒为单位后赋值给时间间隔diff；最后，将时间间隔diff与以秒为单位的一年时间间隔的比值作为函数的映射结果，完成从消息i到数值的映射。用户和一个有效群组之间最近一次交互的时间越近，则p(i)的值越小，说明两者之间的联系越紧密，对应的该有效群组GR值也就越大。\n[0070] 4c)通过下式获得有效群组g的GR值：\n[0071] \n[0072] 其中，GR是衡量一个有效群组和用户之间联系强弱程度的数值；\n[0073] ←表示将其左侧计算获得的结果赋值给右侧；\n[0074] ω是步骤4a)中确定的权重系数；\n[0075] i表示一条消息通信记录；\n[0076] Iin，Iout分别表示用户接收的消息集合和用户发送的消息集合；\n[0077] p(i)是步骤4b)中建立的映射函数。\n[0078] 本发明的实施例中设定权重系数ω的值为2，访问有效群组集合中的每个有效群组，取出其接收的消息集合和发送的消息集合中的每个消息，计算映射函数p(i)，再根据上式计算出有效群组的GR值。当遍历完有效群组集合后，就获得了每个有效群组的GR值。\n[0079] 步骤5.计算推荐得分值\n[0080] 参照附图3对计算每个有效群组中每个联系人的推荐得分值的具体操作步骤描述如下：\n[0081] 5a).从有效群组集合中任意选取一个未访问的有效群组g；\n[0082] 5b).从有效群组g中任意选取一个未访问的联系人c；\n[0083] 5c).判断c是否在S中：如果联系人c已经在用户已输入的联系人集合S中，则联系人c在有效群组g中的推荐得分值Fg(c)为0，执行步骤5e)的操作；如果联系人c不在已输入的联系人集合S中，则执行步骤5d)的操作。\n[0084] 5d).判断g和S的交集是否为空：如果有效群组g与用户已输入联系人集合S的交集为空，则联系人c在有效群组g中的推荐得分值Fg(c)＝0，执行步骤5e)的操作；否则联系人c在有效群组g中的推荐得分值Fg(c)等于有效群组g的GR值，执行步骤5e)的操作。\n[0085] 5e).判断g中是否存在未访问联系人：如果有效群组g中存在未访问的联系人，则执行步骤5b)、步骤5c)、步骤5d)的操作，直到有效群组g中所有的联系人都被访问；如果有效群组g中所有的联系人均被访问，执行步骤5f)的操作。\n[0086] 5f)判断有效群组集合中是否存在未访问有效群组：如果有效群组集合中存在未访问有效群组，则执行步骤5a)、步骤5b)、步骤5c)、步骤5d)、步骤5e)的操作，直到有效群组集合中所有有效群组都被访问；当有效群组集合中所有有效群组均被访问时，完成计算每个联系人的推荐得分值。\n[0087] 步骤6.获取总推荐得分值\n[0088] 本步骤获取每个联系人的总推荐得分值为该联系人在其所出现的所有有效群组中的推荐得分值的和，用公式表示为：\n[0089] \n[0090] 其中，F(c)表示联系人c的总推荐得分值，g表示一个有效群组，Fg(c)表示联系人c在有效群组g中的推荐得分值。\n[0091] 步骤7.获得推荐人\n[0092] 为了获得最终的推荐人，对所有联系人的总推荐得分值进行降序排序，取得分最高的前N位联系人作为推荐对象呈现给用户，其中N的取值范围为N≥5。本发明实施例中最高的前N位联系人为5。\n[0093] 下面结合附图4，附图5对本发明的效果做进一步的描述。\n[0094] 附图4，附图5实现的仿真环境为：Intel(R)Core(TM)2 CPU T8100 2.10GHz，Window XP Professional，仿真系统FriendMail。其中仿真系统FriendMail是采用C#语言编写的能够分析信息交互记录并自动抽取有用信息，为用户提供自动联系人分组和消息群发时联系人推荐功能。\n[0095] 图4为本发明在163邮件文本数据上进行群发推荐的仿真效果图。在用户输入消息接收人后，仿真系统为用户推荐出了联系人。在现实中，附图4所显示的几个联系人之间联系紧密，是本科舍友的关系。\n[0096] 图5为本发明在开心网站内消息交互文本数据上进行群发推荐的仿真效果图。在用户输入收件人后，仿真系统为用户推荐了联系人。在现实中，附图5所显示的几个联系人之间联系紧密，有共同的研究生导师。