石琪琦+張疊

摘 要：隨著社交網(wǎng)絡(luò)的不斷發(fā)展，人們對(duì)社交網(wǎng)絡(luò)上的人際交往使用度越來(lái)越高，如何擴(kuò)展用戶的好友圈已經(jīng)成為社交網(wǎng)絡(luò)的一個(gè)研究熱點(diǎn)，國(guó)內(nèi)外對(duì)該項(xiàng)技術(shù)的研究也在不斷更新中，而隨著人們的專利布局意識(shí)不斷增強(qiáng)，專利的申請(qǐng)量也從一定程度上體現(xiàn)了相關(guān)技術(shù)的發(fā)展趨勢(shì)。文章通過(guò)對(duì)全球及中國(guó)范圍內(nèi)關(guān)于好友推薦的申請(qǐng)信息、技術(shù)原創(chuàng)國(guó)、重要申請(qǐng)人、申請(qǐng)領(lǐng)域時(shí)間分布信息進(jìn)行統(tǒng)計(jì)，對(duì)國(guó)內(nèi)外好友推薦技術(shù)的發(fā)展情況進(jìn)行了分析。

關(guān)鍵詞：好友推薦；社交網(wǎng)絡(luò)；好友圈；專利

中圖分類號(hào)：TP391.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）05-0022-03

Abstract： With the continuous development of social networks， people use more and more social networking， thus how to expand users' friend circle has become a hot spot of social network research. Domestic and foreign research on this technology is also constantly updating， and with the increasing awareness of the distribution of patents， the number of patent applications also reflects the trend of development of related technologies to a certain extent. This paper makes statistics on the application information， the original technology country， the important applicant and the time distribution information of the application field in the world and China. And the development of friend recommendation technology at home and abroad is analyzed.

Keywords： friend recommendation； social network； friend circle； patent

引言

社交網(wǎng)絡(luò)服務(wù)（Social Network Service，SNS）不斷發(fā)展，出現(xiàn)了眾多社交平臺(tái)如臉書、推特、人人網(wǎng)、騰訊等[1]。社交平臺(tái)的發(fā)展也改變著人們的生活，社交網(wǎng)絡(luò)正為人們拓展著一個(gè)虛擬的社交圈，在這個(gè)圈子里，用戶可以根據(jù)自己的需求與其他用戶建立聯(lián)系，可以相互訪問(wèn)各自的空間，進(jìn)行互動(dòng)，用戶還可按照自己的喜好在社交網(wǎng)絡(luò)上尋找與自己志趣相投的朋友、按照自己的畢業(yè)院校尋找校友、按照自己所在公司尋找同事、按照自己的家鄉(xiāng)所在城市尋找老鄉(xiāng)等等。社交網(wǎng)絡(luò)正改變著人們的生活，使得人們進(jìn)行溝通交流的方式越來(lái)越方便，也給了人們更多共享信息的有趣途徑。給人們信息取得方式以及人們的生活帶來(lái)了不可估量的影響，成為人們查詢信息、展現(xiàn)自我風(fēng)采、推廣營(yíng)銷的平臺(tái)[2]。

在社交網(wǎng)絡(luò)中，用戶常希望能拓展自己的朋友圈子，以至于對(duì)結(jié)識(shí)一些興趣和愛(ài)好相近的新朋友有了需求，如何幫助用戶主動(dòng)拓展好友關(guān)系是重難點(diǎn)研究之一。傳統(tǒng)的社交網(wǎng)絡(luò)中的好友推薦算法主要分為基于社交網(wǎng)絡(luò)中的用戶信息包括興趣愛(ài)好、教育背景、工作和地域信息等進(jìn)行好友推薦[3]，基于好友間的鏈接進(jìn)行推薦，如基于“好友的好友”的好友推薦算法。

1 國(guó)內(nèi)外好友推薦的專利申請(qǐng)量分析

圖1示出了自06年起好友推薦技術(shù)領(lǐng)域全球/中國(guó)專利的申請(qǐng)趨勢(shì)，由圖1可看出，在好友推薦技術(shù)領(lǐng)域，國(guó)外起步早于中國(guó)，中國(guó)最初涉及該技術(shù)領(lǐng)域的專利還較少，而最初好友推薦技術(shù)的發(fā)展也較緩慢，這與最初互聯(lián)網(wǎng)技術(shù)發(fā)展較慢有關(guān)。而從10年起，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，社交平臺(tái)越來(lái)越廣，國(guó)內(nèi)外的好友推薦技術(shù)也得到了迅速發(fā)展，12-13年間國(guó)內(nèi)好友推薦技術(shù)的發(fā)展速度更是趕超了國(guó)外，這與國(guó)內(nèi)一些如QQ、人人網(wǎng)、微博等社交平臺(tái)的發(fā)展相關(guān)。13年以后，國(guó)外在好友推薦技術(shù)領(lǐng)域的專利申請(qǐng)量明顯下降，這表示國(guó)外的好友推薦技術(shù)已經(jīng)逐步邁向了成熟。而國(guó)內(nèi)好友推薦技術(shù)領(lǐng)域的專利申請(qǐng)量一直呈現(xiàn)較高狀態(tài)，這體現(xiàn)了好友推薦技術(shù)在國(guó)內(nèi)可觀的發(fā)展前景。從圖1可看出雖然國(guó)內(nèi)的好友推薦技術(shù)發(fā)展較晚于國(guó)外，可是隨著國(guó)內(nèi)各社交平臺(tái)的發(fā)展、互聯(lián)網(wǎng)技術(shù)的提升，國(guó)內(nèi)好友推薦技術(shù)仍然有很大的發(fā)展空間。

2 國(guó)內(nèi)外好友推薦技術(shù)原創(chuàng)國(guó)分布分析

對(duì)國(guó)內(nèi)外好友技術(shù)原創(chuàng)國(guó)分布進(jìn)行分析，可以看出中國(guó)和美國(guó)是在好友推薦技術(shù)領(lǐng)域?qū)＠暾?qǐng)量最多的兩個(gè)國(guó)家，分別占全部申請(qǐng)量的40%和38%，其次是日本、歐洲國(guó)家和韓國(guó)。中國(guó)和美國(guó)是社交用戶大國(guó)，用戶的需求促進(jìn)研發(fā)，而研發(fā)伴隨著專利申請(qǐng)，專利的申請(qǐng)數(shù)量也進(jìn)一步體現(xiàn)了中國(guó)和美國(guó)社交網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展。而正是技術(shù)的發(fā)展以及較強(qiáng)的專利布局意識(shí)使得中國(guó)和美國(guó)在好友推薦技術(shù)領(lǐng)域成為專利大國(guó)。這也基本符合全球各國(guó)的社交網(wǎng)絡(luò)發(fā)展情況，如美國(guó)的微軟、臉書，中國(guó)的騰訊、千橡網(wǎng)景（人人網(wǎng)）等。

3 好友推薦技術(shù)主要申請(qǐng)人排名

隨著社交軟件和互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶對(duì)好友推薦的需求也在不斷變化，而隨著各公司在專利布局意識(shí)上的提高，使得各公司對(duì)好友推薦技術(shù)領(lǐng)域的專利布局越來(lái)越重視。圖3示出了全球好友推薦技術(shù)領(lǐng)域?qū)＠暾?qǐng)量靠前的十家公司，從圖3可看出，騰訊在好友推薦領(lǐng)域的專利申請(qǐng)量遠(yuǎn)超其他同行，這與騰訊近幾年在社交軟件如騰訊QQ、微信上的發(fā)展有關(guān)。除了騰訊，另外兩家中國(guó)公司千橡網(wǎng)景、百度也躋身前十行列。而如圖3所示，申請(qǐng)量位居全球前十行列的另外七家公司谷歌、IBM、臉書、微軟、領(lǐng)英、雅虎和亞馬遜均為在互聯(lián)網(wǎng)領(lǐng)域有著較高知名度較大影響力的美國(guó)公司。由此看出美國(guó)各大公司和中國(guó)各大公司在好友推薦技術(shù)領(lǐng)域的領(lǐng)先地位。endprint

4 專利申請(qǐng)領(lǐng)域時(shí)間分布

傳統(tǒng)所采用的好友推薦方法的基本思想是對(duì)待推薦用戶和推薦候選用戶的屬性、興趣愛(ài)好和位置等信息進(jìn)行分析處理，提取兩者的共同特征，將用戶之間的特征進(jìn)行相似性計(jì)算，為用戶推薦相似性較高的；或選擇與當(dāng)前用戶關(guān)系相近的其他用戶的喜好來(lái)推測(cè)當(dāng)前用戶的喜好，如向用戶推薦其好友的好友。通過(guò)對(duì)好友推薦的專利文獻(xiàn)收集、標(biāo)引和梳理，根據(jù)推薦方式的不同，將該領(lǐng)域大致分為以下分支：用戶基本屬性（根據(jù)用戶填寫的年齡、性別、職業(yè)、畢業(yè)院校、所在公司、郵箱信息等為用戶推薦好友）、用戶興趣愛(ài)好（根據(jù)用戶預(yù)先設(shè)置的興趣標(biāo)簽或根據(jù)用戶的行為推測(cè)用戶的興趣，推薦與用戶興趣愛(ài)好相似的用戶作為好友）、用戶地理位置（獲取用戶的地理位置，為其推薦位置相近或具有相似生活習(xí)慣的人）、用戶好友關(guān)系（通過(guò)用戶的好友關(guān)系開發(fā)用戶的二度好友）、用戶通訊錄（根據(jù)用戶的手機(jī)通訊錄或在其他社交網(wǎng)絡(luò)上的聯(lián)系人列表為用戶推薦好友）和其他（為用戶推薦聲音或長(zhǎng)相類似的好友等）。

如圖4所示，將好友推薦技術(shù)分為基于用戶基本屬性（如年齡、性別等）的好友推薦方法、基于用戶興趣愛(ài)好的好友推薦方法、基于用戶地理位置的好友推薦方法、基于用戶好友關(guān)系（如好友的好友）的好友推薦方法、基于用戶通訊錄的好友推薦方法和其他共六個(gè)方面，示出了六類申請(qǐng)的時(shí)間和數(shù)量分布，如圖4所示，最初幾年好友推薦的方法大多為基于用戶基本屬性及用戶興趣愛(ài)好的方法，涉及一些根據(jù)用戶輸入關(guān)鍵詞，使用關(guān)鍵詞與用戶資料進(jìn)行匹配的簡(jiǎn)單推薦方法，主要是為用戶推薦與其屬性相似、興趣愛(ài)好類似的陌生人為好友，隨著社交網(wǎng)絡(luò)的發(fā)展，社交用戶的不斷壯大，越來(lái)越多的用戶希望系統(tǒng)所推薦的用戶是其認(rèn)識(shí)的人，不想被陌生人打擾，本著為用戶推薦其可能認(rèn)識(shí)的人的思想，根據(jù)用戶的好友關(guān)系對(duì)其可能認(rèn)識(shí)的人進(jìn)行挖掘，并通過(guò)用戶的通訊錄為其推薦其可能認(rèn)識(shí)的聯(lián)系人，或是利用定位技術(shù)獲取用戶的位置為其推薦可能會(huì)與其成為朋友的用戶。相比于最初用戶的交友思想，后越來(lái)越多的人把社交工具作為一種與朋友或熟人進(jìn)行聯(lián)系的方法，研發(fā)也正是根據(jù)用戶的需求而進(jìn)行的。

5 結(jié)束語(yǔ)

本文對(duì)好友推薦專利技術(shù)進(jìn)行分析和整理，重點(diǎn)分析全球及中國(guó)范圍內(nèi)關(guān)于好友推薦的申請(qǐng)信息、技術(shù)原創(chuàng)國(guó)、重要申請(qǐng)人、申請(qǐng)領(lǐng)域時(shí)間分布信息。從本文對(duì)以上內(nèi)容的分析可知，雖然我國(guó)在好友推薦技術(shù)領(lǐng)域的起步較晚于美國(guó)，但是近幾年我國(guó)在該領(lǐng)域發(fā)展迅速，且隨著我國(guó)專利意識(shí)的形成及我國(guó)對(duì)專利申請(qǐng)的相關(guān)優(yōu)惠政策的實(shí)行，我國(guó)在好友推薦領(lǐng)域的專利申請(qǐng)呈大幅上升趨勢(shì)，且隨著很多高校和科研單位加入該行列，我國(guó)在該領(lǐng)域的專利申請(qǐng)量將持續(xù)增高。

參考文獻(xiàn)：

[1]李天立.社交網(wǎng)絡(luò)中好友推薦技術(shù)的研究[D].大連：大連海事大學(xué)，2014.

[2]王兵輝.社交網(wǎng)絡(luò)中潛在好友推薦算法研究[D].云南：云南大學(xué)，2013.

[3]胡大偉.基于標(biāo)簽協(xié)同過(guò)濾算法在微博推薦中的研究[D].內(nèi)蒙古：內(nèi)蒙古科技大學(xué)，2012.endprint