本發(fā)明屬于符號社交網(wǎng)絡中社交關系的研究領域，具體涉及一種家庭成員間關系的親疏程度計算方法。

背景技術：

隨著社交網(wǎng)絡的迅猛發(fā)展，社交網(wǎng)絡中呈現(xiàn)形態(tài)各異的各種網(wǎng)絡結(jié)構和網(wǎng)絡關系。在線社交網(wǎng)絡已逐漸成為連接各類網(wǎng)絡信息和人類現(xiàn)實世界不可或缺的紐帶。對社交網(wǎng)絡的深度剖析能幫助人們更好的理解社交網(wǎng)絡的構造機理、網(wǎng)絡中用戶的行為模式和網(wǎng)絡結(jié)構的演化過程(文獻1-3)。其中，著名的社交平衡理論(文獻4)對社交網(wǎng)絡中最基本的群體結(jié)構做了深刻的詮釋，最簡單的三角關系是無向網(wǎng)絡中的三角結(jié)構。三角結(jié)構描述了社交網(wǎng)絡中用戶關系的四種結(jié)構，如圖1所示。

圖1中給出了用戶間構造朋友和非朋友關系的四種可能性組合，對三人間友好或敵對的關系進行了研究。但是，社交網(wǎng)絡中的用戶關系并非只是友好或敵對關系這么簡單。事實上，對建立朋友關系的用戶之間，受到某些因素的影響和制約時，這種看似牢固的用戶關系也會隨之被打破(朋友與非朋友會相互轉(zhuǎn)化)。而這種社交關系被破壞的現(xiàn)象在家庭成員關系間表現(xiàn)的尤為常見。

當前，國內(nèi)外學者針對社交網(wǎng)絡領域的研究做了很多的相關工作，主要可概括為以下幾個方面：

社交網(wǎng)絡關系的定性分析：主要涉及用戶建立關聯(lián)與地理分布、同質(zhì)性的關系，和它們在隱式交互、社交平衡理論中存在的用戶關系。

地理分布：社交網(wǎng)絡中，用戶行為與地理位置呈現(xiàn)關聯(lián)關系，例如，基于微博平臺上“互粉”關系與現(xiàn)實生活中人們的地理區(qū)域劃分存在互推斷關系(文獻5-6)。社交網(wǎng)絡打破了現(xiàn)實生活中人們的地理差距，用戶關聯(lián)的建立不會過于受到地理因素的限制。

同質(zhì)性：具有相似特性(性別、身份等)的用戶更傾向于建立彼此間的社交關系，即基于某種特性的社交網(wǎng)絡(文獻7)。用戶間的多鏈路關聯(lián)關系會使得鏈路同質(zhì)性表現(xiàn)的愈加明顯，而基于某種特性的同質(zhì)性會大大加強用戶間建立關聯(lián)關系的概率(文獻8-9)。

隱式交互：隱式交互的提取來自于用戶的“提到”(“@”)和“轉(zhuǎn)發(fā)”行為。當用戶間存在互動(“提到”或“轉(zhuǎn)發(fā)”)行為時，用戶間建立關聯(lián)的概率將增大(文獻10-11)。

社交平衡理論：主要研究三人間的友好或敵對關系(文獻4、12)。該理論認為，“朋友-朋友-朋友”的社會關系比“朋友-朋友-敵人”更常見，也更加穩(wěn)定。而建立雙邊結(jié)構關系的用戶形成平衡結(jié)構的概率比單邊結(jié)構更大。

閉合社交網(wǎng)絡的規(guī)律的研究主要包括動態(tài)性規(guī)律和傳播性規(guī)律兩大類。

閉合社交網(wǎng)絡的動態(tài)規(guī)律：主要涉及用戶屬性和他們所對應的網(wǎng)絡結(jié)構，以及他們相應的社會屬性。

用戶屬性：主要包括用戶的check-ins(登入所在地理位置)、用戶資料、用戶興趣點等(文獻13、17)。這些用戶屬性可以由同質(zhì)性構成一定的社交網(wǎng)絡結(jié)構，并且這種結(jié)構會隨著時間的變化而展現(xiàn)出動態(tài)性的變化規(guī)律。同樣，用戶屬性與地理位置相結(jié)合的研究對于構造社交網(wǎng)絡的閉合概率具有一定的指導意義(文獻14-15)。

閉合社交網(wǎng)絡的傳播定律：社交網(wǎng)絡中構造的閉合用戶結(jié)點間會相互產(chǎn)生影響，繼而形成三角形閉合傳播效應(文獻16)。

基于大量的研究成果表明，家庭成員中的家庭成員關系親密度會隨著時間的推移而發(fā)生動態(tài)性的改變，這種變化規(guī)律事先無法確定，但是這種變化的結(jié)果卻可以用來衡量家庭各成員之間的親密程度。而這種家庭成員關系親密度的精確計算，則可以用于解釋為什么原本非常親密的家庭成員關系，會隨著時間的推移變得不那么親密；為什么單親家庭的孩子成長過程中會導致心理健康發(fā)生變化；為什么留守兒童會因為家庭成員結(jié)構的扭曲而與眾不同等等。同時，與一般社交關系不同之處在于，家庭成員關系親密度計算的初始條件在通常情況下是基于血緣關系的。因此，這類社交關系網(wǎng)絡與一般的社交網(wǎng)絡關系相比更有其特殊點。

參考文獻：

[文獻1]l.backstrom,d.huttenlocher,j.kleinberg,andx.lan.groupformationinlargesocialnetworks:membership,growth,andevolution.inkdd’06.pp.44～54,2006.

[文獻2]d.m.romeroandj.m.kleinberg.thedirectedclosureprocessinhybridsocial-informationnetworks,withananalysisoflinkformationontwitter.icwsm.2010.

[文獻3]jietang,honghuang,jingzhangetal.trianglelawinsocialnetwork[j].communicationsofccf(chinacomputerfederation)

[文獻4]f.heider.thepsychologyofinterpersonalrelation.johnwiley&sons,1958.

[文獻5]fungwong,baorongzhong,weiyu,shijunli,botaoliu.amutualinferencemodelbasedonuserrolesandurbanfunctionalzones[j].journaloffrontiersofcomputerscienceandtechnology.2016.

[文獻6]fungwong,weiyu,shijunli.evaluationofusercredibilitybasedonsinaweiboplatform[j].journaloffrontiersofcomputerscienceandtechnology,2013,7(12):1125-1134.

[文獻7]p.f.lazarsfeldandr.k.merton.friendshipasasocialprocess:asubstantiveandmethodologicalanalysis.freedomandcontrolinmodernsociety,1954,18(1):18～66.

[文獻8]j.he,j.hopcroft,h.liang,s.suwajanakorn,andl.wang.detectingthestructureofsocialnetworksusing(α,β)-communities.inwaw’11.pp.26～37,2011.

[文獻9]l.page,s.brin,r.motwani,andt.winograd.thepagerankcitationranking:bringingordertotheweb.tech.rep.sidl-wp-1999-0120,stanforduniversity,1999.

[文獻10]z.fangandj.tang,uncoveringtheformationoftriadicclosureinsocialnetworks.inijcai'15.pp.2062～2068,2015.

[文獻11]j.e.hopcroft,t.lou,andj.tang.whowillfollowyouback？reciprocalrelationshipprediction.incikm'11.pp.1137～1146,2011.

[文獻12]d.easleyandj.kleinberg.networks,crowds,andmarkets:reasoningaboutahighlyconnectedworld,cambridgeuniversitypress,2010.

[文獻13]wangfeng,yuwei,lishijun.studyofpoi-srecommendationbasedonapmrframework[j].scientiasinicainformationis,45(11):1503-1520,2015.

[文獻14]h.huang,j.tang,s.wu,l.liu,andx.fu.miningtriadicclosurepatternsinsocialnetworks.inwww'14,pp.499～504,2014.

[文獻15]h.huang,j.tang,l.liu,j.luo,andx.fu.triadicclosurepatternanalysisandpredictioninsocialnetworks.ieeetransactiononknowledgeanddataengineering,2015,27(12):3374～3389.

[文獻16]j.h.fowlerandn.a.christakis.thedynamicspreadofhappinessinalargesocialnetwork:longitudinalanalysisover20yearsintheframinghamheartstudy.britishmedicaljournal,2008.

[文獻17]wangfeng,shijunli.researchofw5modelbasedondynamiccontextawareness[j].journalofuniversityofelectronicscienceandtechnologyofchina,2016,45(3):429-435.

技術實現(xiàn)要素：

為了精確計算和衡量家庭成員關系中，親密度對家庭成員關系的親疏程度造成的重要影響，本發(fā)明提出了一種家庭成員關系親密度計算方法。

本發(fā)明所采用的技術方案是：一種家庭成員關系親密度計算方法，其特征在于：首先計算家庭成員關系交互性指數(shù)hri、計算家庭成員關系擴展性指數(shù)hre、計算家庭成員關系繼承性指數(shù)hrs、計算家庭成員關系時效性指數(shù)hrt、計算家庭成員關系親密度指數(shù)hrc；

表示家庭成員關系交互性指數(shù)hri的梯度；hrp表示家庭成員關系交互點；hrf表示家庭成員之間交流情況，hrf＝0，表示家庭成員之間無交流；hia表示人們在從事社交活動時人與人之間交互接受度；

hre(i,j)表示可擴展對象j與被擴展對象i之間的親疏程度；e為擴展系數(shù)，介于0-1之間；hrj→i表示可擴展對象j對被擴展對象i的親密度，hri→j表示被擴展對象i對可擴展對象j的親密度；

表示可繼承對象j與被繼承對象i之間的親疏程度；s為繼承系數(shù)，介于0-1之間；

表示家庭成員關系建立的起始時刻為t1，終止時刻為t2；

然后構建家庭親密度模型如下：

其中，hrinf表示家庭成員關系，hrinf+表示家庭成員關系取正值，hrinf-表示家庭成員關系取負值；hrpi表示表示家庭成員i與其他家庭成員的家庭成員關系交互點，表示家庭成員i與其他家庭成員無交互點，n表示家庭成員數(shù)；hrb為家庭成員關系中與生俱來的血緣關系，hrb>0，表示家庭成員之間有血緣關系；hrb＝0表示人與人之間無血緣關系；

hiif表示家庭親密度影響因子，指的是影響家庭成員關系親密度的影響因素，這些影響因素主要包括：主觀重要程度subim、事件影響度ein、能量共處時間tenergy；主觀重要程度subim用于表征家庭成員間在主觀認識上對其他家庭成員認為的重要程度，形式化為其中fmi和fmj分別表示家庭成員i和成員j，箭頭指向表示影響力的影響方向，ranking表示重要程度的排名，排名首位取0；事件影響度ein用于表征與家庭成員相關的事件對該成員的影響程度，形式化為其中ek_fmi表示家庭成員i對事件k的主觀認識或立場，fmj表示家庭成員j，箭頭指向表示影響力的方向；能量共處時間tenergy用于表征家庭成員間以能量行為的形式共同相處的時間，形式化表示為其中fmi和fmj分別表示家庭成員i和成員j，箭頭的指向表示交互活動從交流者指向被交流者。

相對于現(xiàn)有技術，本發(fā)明的有益效果是：建立了基于家庭成員關系的符號社交網(wǎng)絡研究的雛形，并以此為研究對象對其中的各項屬性(親密度及其影響因素、時效性等)和關系(繼承性、可擴展性等)進行了定義，并通過合理的計算方法對這些屬性和它們之間的關系進行量化計算。通過對這些屬性和方法的研究，能夠?qū)ι缃痪W(wǎng)絡研究領域中的家庭成員關系進行較精確的描述。通過對本專利中涉及的相關計算方法的合理運用，可用來解釋現(xiàn)實生活中發(fā)生在家庭成員關系間的各種家庭現(xiàn)象(如留守兒童、單親家庭、煮豆燃箕、父慈子孝等)。同時，這些理論和計算方法為指導家庭成員關系向著溫馨和睦的方向發(fā)展提供了較大的參考實用價值和應用前景。另外，對這些屬性和方法的擴展，可為進一步研究基于符號社交網(wǎng)絡的家庭關系親密度的研究奠定堅實的理論基礎。

附圖說明

圖1為本發(fā)明背景技術中無向網(wǎng)絡中的四種三角結(jié)構示意圖；

圖2為本發(fā)明實施例的家庭成員關系親密度計算方法的研究體系示意圖。

具體實施方式

為了便于本領域普通技術人員理解和實施本發(fā)明，下面結(jié)合附圖及實施例對本發(fā)明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

家庭成員關系的親密度是針對社交關系網(wǎng)絡中各家庭成員之間關系而特別設定的一種度量標準，該度量標準的設定專用于衡量家庭成員間的親疏程度，同時可用于間接反映家庭網(wǎng)絡結(jié)構隨時間推移而呈現(xiàn)出規(guī)律性的周期變化。

本發(fā)明提供的一種家庭成員關系親密度計算方法，首先計算家庭成員關系交互性指數(shù)hri、計算家庭成員關系擴展性指數(shù)hre、計算家庭成員關系繼承性指數(shù)hrs、計算家庭成員關系時效性指數(shù)hrt、計算家庭成員關系親密度指數(shù)hrc；然后構建家庭親密度模型。

請見圖2，家庭成員關系親密度計算方法研究的內(nèi)容主要包括：家庭成員關系的交互性、家庭成員關系的擴展性、家庭成員關系的繼承性、家庭成員關系的時效性、家庭成員關系的親密度。其應用場景主要包括：家庭成員關系交互點的確定，家庭成員關系的可擴展移植，家庭成員結(jié)構的擴展與維持，家庭成員關系間的親疏關系推斷，家庭成員關系結(jié)構的預測與描述，家庭成員與家庭成員關系重組，親密度模型與計算方法。

在闡述家庭成員關系的交互性之前，首先提出家庭成員關系交互點的概念。家庭成員關系交互點：簡稱交互點，用hrp表示，所謂交互點指的是導致家庭成員間從事各種家庭交互活動時所產(chǎn)生的契合點，契合點越多則表明家庭成員之間的關系越密切。它主要包括：從事家庭活動的共享利益或資源、共有話題、共同興趣點、共同任務或目標等。例如，家庭成員中的每個人從出生開始就與家人之間一起生活，逐漸會培養(yǎng)出共同的話題和興趣點，家庭收入總額是家庭的共同任務或目標之一。因此，家庭成員關系的交互點會在他們成長過程中逐漸增多，從而增進家庭成員間的親密度。但是，留守兒童在其成長過程中，雖然有其他家人的關愛，但是由于缺少父母的溫暖同樣也會對他們和父母間的家庭親密度造成影響。由此，也引出了另一個影響家庭親密度的重要因素，親密度影響因子。

家庭親密度影響因子：簡稱親密度影響因子，用hiif表示。所謂親密度影響因子指的是影響家庭成員關系親密度的影響因素。這些因素主要包括：某家庭成員在主觀認識上的重要程度(主觀重要程度subim)，發(fā)生與家庭成員相關的事件某成員對事件的態(tài)度對其他成員的影響程度(事件影響度ein)，成員間以能量的形式共同相處的時間(能量共處時間tenergy)等。

①主觀重要程度subim用于表征家庭成員間在主觀認識上對其他家庭成員認為的重要程度。可被形式化為其中fmi和fmj分別表示家庭成員i和成員j，箭頭指向表示影響力的影響方向，ranking表示重要程度的排名，排名首位取0。例如。一般而言，在一個家庭里媽媽對于任何孩子的主觀重要程度都是首位的。因此，這種主觀重要程度可被形式化為subim(m→c,0)，其中媽媽縮寫為m(mother的首字母)，小孩縮寫為c(children的首字母)，0表示主觀重要程度排名的首位，后續(xù)依次排名為1,2，…。

②事件影響度ein用于表征與家庭成員相關的事件對該成員的影響程度。可被形式化為其中ek_fmi表示家庭成員i對事件k的主觀認識或立場，fmj家庭成員j，箭頭指向表示影響力的方向。例如，高考失利對孩子本身是一次人生打擊，但家長針對高考失利事件對孩子發(fā)表的立場性言論卻會影響他們與孩子間的親密度。

③能量共處時間tenergy用于表征家庭成員間以能量行為的形式共同相處的時間。可形式化表示為其中，fmi和fmj分別表示家庭成員i和成員j,箭頭的指向表示交互活動從源對象(交流者)指向目的對象(被交流者)。能量行為在本專利中可分為正能量行為和負能量行為。家庭成員在相處過程中，常見的正能量行為包括鼓勵，表揚，贊許，激勵等增進家庭成員關系親密度的行為；而常見的負能量行為包括批評、打罵、諷刺、譏笑等降低家庭成員關系親密度的行為。因此，能量共處時間可相應的分為正能量共處時間te_pos和負能量共處時間te_neg，tenergy＝{te_pos,te_neg}。tenergy的取值越大，表明家庭成員間相處時間越長，對家庭親密度的影響也越大。當交流者以正能量共處時間作用于被交流者時，tenergy取值為正且逐漸增大；當交流者以負能量共處時間作用于被交流者時，tenergy取值為負且逐漸增大。因此tenergy的取值范圍為-max～+max。

家庭成員關系的交互性：用hri表示，指家庭成員們從事家庭交互活動過程中產(chǎn)生的文字、聲音、肢體、圖片、視頻等一系列能夠使彼此之間相互溝通的交互形式。它產(chǎn)生于家庭成員之間產(chǎn)生交互活動的過程中。例如，夫妻間因某話題的溝通，雙親與子女間的親密肢體動作，家庭成員間為了溝通的需要，在交互過程中產(chǎn)生的文字、語音、圖片、視頻等，這些都是家庭成員關系交互性的直觀體現(xiàn)。因此，可將交互性形式化表示為其中forms＝{text|voice|body|picture|video}。

家庭成員關系的擴展性：用hre表示，家庭成員關系指的是基于婚姻、血緣或法律擬制而形成的一定范圍的親屬之間的權利和義務關系。家庭成員關系包括：夫妻關系、親子關系和其他家庭成員之間的關系。這些關系之間隨著享有物質(zhì)和精神活動過程的變化可相互轉(zhuǎn)化和擴展。例如，原本的同學關系由于婚姻而擴展為夫妻關系。家族企業(yè)里面的父子既是親屬關系，同時也可擴展為上下級關系。因此，可將擴展性形式化表示為其中exe_r表示家庭成員i和成員j擴展后的成員關系類型。fmi_fmj表示被擴展的家庭成員對象。

家庭成員關系的繼承性：用hrs表示，繼承性在家庭成員關系里表現(xiàn)的較為普遍，幾乎每個家庭成員關系都享有繼承性的規(guī)律。同時，繼承性對家庭成員關系親密度具有較大的影響。為了較為清晰的描述繼承性，在此引用社交網(wǎng)絡中“階次”的概念進行說明。例如在家庭財產(chǎn)繼承關系中，某用戶(0階節(jié)點)的財產(chǎn)由他的子節(jié)點(1階節(jié)點)繼承，而1階節(jié)點用戶的財產(chǎn)由他的子節(jié)點(2階節(jié)點)繼承。0、1、2這三級節(jié)點之間存在親屬關系，其親密度表現(xiàn)為0和1、1和2之間更為親密，因此可認為0與2的親密度小于0和1。事實上，即便都是親屬，父子關系的親密度一般而言都高于祖孫關系。

家庭成員關系的時效性：用hrt表示，時效性指的是家庭成員關系維持在時間維度上表現(xiàn)出親密度的有效性。例如，一對非常親密(具有高親密度)的夫妻關系，如果在相當長的時間內(nèi)彼此相互之間不聯(lián)系不溝通，其親密度在時間維度上也會逐漸降低甚至消失，從而導致家庭婚姻關系的難以維系，甚至破裂。因此，時效性可形式化為其中t表示時效衰減的取值，箭頭表示衰減方向，fmi_fmj表示被擴展的家庭成員對象。t的取值為0～+max，當t＝0時，表明家庭成員間有可能長時間未產(chǎn)生交互從而導致親密度有效性逐漸呈現(xiàn)衰弱的趨勢；當t＝max時，表明家庭成員間一直保持交互的新鮮感，從而導致親密度有效性逐漸呈現(xiàn)增強的趨勢。

家庭成員關系的親密度：用hrc表示，家庭成員關系的親密度指的是家庭成員在從事家庭活動中表現(xiàn)出來的成員間關系的親疏程度。例如，在家庭成員關系中，母子關系通常表現(xiàn)的親密度最高。其次，可以是夫妻關系、父子關系、祖孫關系、甥舅關系、叔侄關系等。因此，本專利的闡述會對家庭成員關系的親密度加以量化，并同時找出影響社會關系親密度的因素。

通過研究發(fā)現(xiàn)，影響社會關系親密度的因素主要包括：家庭成員關系交互點(hrp)、血緣親疏關系(hrb)、交互頻次(hrf)、交互影響力(正rinf+、負rinf-)、家庭親密度影響因子(subim、ein和tenergy)。交互影響力的正負與家庭成員間的交互接受度正相關。在給出各影響因素的正反比關系之前，首先對交互接受度進行詮釋。

交互接受度：用hia表示。用以表示家庭成員間通過一定方式進行交流時，使得對方(被交流者)接受自己(交流者)交互方式的程度。例如，“忠言逆耳”一詞，不同的人對待忠言的態(tài)度是不同的。因此，其交互接受度也不同。交互接受度ia的取值范圍為-max～+max，因此交互影響力的取值范圍可選為0～1。當ia＝-max時，被交流者排斥性最大，此刻rinf+＝0，rinf-＝1，表明交流者對被交流者無正交互影響力，且負交互影響力最大；當ia＝0時，被交流者排斥性為零，此刻rinf+＝0，rinf-＝0，表明交流者對被交流者既無正交互影響力，也無負交互影響力；當ia＝+max時，被交流者接受性最大，此刻rinf+＝1，rinf-＝0，表明交流者對被交流者無正交互影響力，且負交互影響力為零。

故：

表示家庭成員關系交互性指數(shù)hri的梯度；hrp表示家庭成員關系交互點；hrf表示家庭成員之間交流情況，hrf＝0，表示家庭成員之間無交流；hia表示人們在從事社交活動時人與人之間交互接受度；

hre(i,j)表示可擴展對象j與被擴展對象i之間的親疏程度；e為擴展系數(shù)，介于0-1之間；hrj→i表示可擴展對象j對被擴展對象i的親密度，hri→j表示被擴展對象i對可擴展對象j的親密度；

表示可繼承對象j與被繼承對象i之間的親疏程度；s為繼承系數(shù)，介于0-1之間；

表示家庭成員關系建立的起始時刻為t1，終止時刻為t2；

然后構建家庭親密度模型如下：

其中，hrinf表示家庭成員關系，hrinf+表示家庭成員關系取正值，hrinf-表示家庭成員關系取負值；hrpi表示表示家庭成員i與其他家庭成員的家庭成員關系交互點，表示家庭成員i與其他家庭成員無交互點，n表示家庭成員數(shù)；hrb為家庭成員關系中與生俱來的固有屬性，隨著人的出生，hrb隨之確定。hrb>0，表示家庭成員之間有血緣關系；hrb＝0表示人與人之間無血緣關系。從公式1中可以看出，家庭成員關系交互點越多，家庭成員關系親密度hrc越大(i＝1…n，表示交互點的個數(shù))；血緣關系越近，hrb的取值越大，則家庭成員關系親密度hrc也越大；交互頻次hrf越大，表明家庭成員關系之間的交互活動越頻繁，家庭成員關系親密度hrc越大；若hrinf取正值，表示家庭成員之間的關系為友好；hrinf為0，表示人與人之間的關系為中立；hrinf取負值，表示人與人之間的關系為敵對。

值得說明的，由家庭成員之間的性格、成長經(jīng)歷、興趣愛好等因素決定，它對“志趣相投”一次做了很好的詮釋。hrf×hia表明，當家庭成員之間的交互接受度為正時，交互越頻繁，會使得家庭成員關系親密度增大；而當交互接受度為負時，交互越頻繁，卻反而會導致家庭成員關系親密度的較小。同時，當公式1中hrb>0時，也可能存在的情況，此時可用于解釋現(xiàn)實生活中諸如“煮豆燃箕”等現(xiàn)象。

在公式1中僅給出了影響家庭成員關系親密度的各因素之間的關系，但無法對各因素在家庭成員之間進行交互影響的細節(jié)加以描述。因此，接下來將給出在社交網(wǎng)絡中，各因素影響家庭成員之間的交互活動的關系模型。

如公式2所示，給出了家庭成員之間關于交互點的關系矩陣，用于描述家庭成員在從事各種交互活動過程中，導致他們之間親密度發(fā)生改變的誘因。

其中，hrp表示家庭成員關系交互點，用矩陣表示，該矩陣所對應的行列式計算出的數(shù)值用來表示家庭成員關系交互點的數(shù)值。hru→u'用以標識家庭成員關系矩陣中用戶間的映射關系。cij(i,j＝1…n)用以表示家庭成員間的交互點的個數(shù)，其中cij(i＝j)＝＝1，用于表示用戶與自身的交互點映射關系恒等不變。

如公式3所示，給出了家庭成員之間關于血緣的關系矩陣，用于描述他們在社會關系中是否具有如同血緣一般，導致親密度具有這項與生俱來的固有屬性。

其中，hrb為家庭成員關系中與生俱來的血緣關系，用矩陣表示。hru→u'用以標識血緣關系矩陣中用戶間的映射關系。pij(i,j＝1…n)用以表示家庭成員間血緣關系的親疏程度，現(xiàn)假設用戶本人的血緣映射關系pij(i＝j)＝＝1，那么用戶與其他親屬時間的血緣映射關系在親疏程度pij(i,j＝1…n)方面的取值可參照“九族五服圖”中關于親屬間親疏程度的界定標準。例如，當用戶本人(0階節(jié)點)被界定取值為1時，第n階節(jié)點的親疏程度取值可表示為

如公式4所示，給出了家庭成員之間在交互頻次上的關系矩陣，用于描述他們在家庭成員關系中，從事交互活動的頻率。

其中，hrf表示家庭成員之間交流情況，用矩陣表示。hru→u'用以標識用戶間的交互性映射關系。pij(i,j＝1…n)用以表示用戶之間在單位時間內(nèi)從事交互活動的次數(shù)，次數(shù)越高表明成員間從事交互活動越頻繁?，F(xiàn)假設用戶與本人間的交互頻次存在映射關系pij(i＝j)＝＝1，那么不同用戶間的交互頻次可利用pij(i≠j)進行統(tǒng)計。

如公式5所示，給出了家庭成員之間在交流過程中計算交互接受度的關系矩陣，用于描述各成員在從事交互活動過程中，用戶采用的交互方式能使被交流者接受的可能性。

其中，hia表示人們在從事社交活動時人與人之間交互接受度，用矩陣表示。hru→u'用以標識用人與人之間的交互接受度映射關系。pij(i,j＝1…n)用以表示用人與人之間進行交互所采用的交互方式能夠被對方接受的程度，即交互接受度。在此，假設用戶對自己所采用的社交方式能夠完全接受，故而可將pij(i＝j)取值為1。由此，可界定被交流者對交流者在交流過程中所采用的交流方式的接受程度為-max≤pij≤max，max表示完全可接受，-max表示完全不可接受，max的取值大小可根據(jù)實際應用場景靈活且合理的設定。

應當理解的是，本說明書未詳細闡述的部分均屬于現(xiàn)有技術。

應當理解的是，上述針對較佳實施例的描述較為詳細，并不能因此而認為是對本發(fā)明專利保護范圍的限制，本領域的普通技術人員在本發(fā)明的啟示下，在不脫離本發(fā)明權利要求所保護的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護范圍之內(nèi)，本發(fā)明的請求保護范圍應以所附權利要求為準。