激励用户向用户的联系人推荐项目的推荐系统

摘要

本发明涉及推荐系统（100）、计算机实现的推荐方法、对应的计算机可读介质和对应的计算机程序。推荐系统（100）配置为依赖于已基于用户数据库（140）的各个用户（199）已向他的联系人推荐的项目而确定的特定项目的第一喜欢程度（164），向所述各个用户发送电子建议信号（186）。该电子建议信号（186）建议所述各个用户（199）向他的联系人（198）中的一个或多个推荐所述特定项目。按照此方式，激励基于个人的推荐（188）。

说明书

技术领域

本发明涉及激励基于计算机的网络的用户向用户的联系人推荐项目的推荐系统、计算机实现的推荐方法、计算机可读介质和计算机程序。特别地，本发明涉及社交网络中用户认可的推荐。

背景技术

推荐系统正在成为从诸如真实产品、在线文章、视频内容等大量在线可用项目中向用户呈现用户实际上很可能感兴趣的产品和/或服务（即，项目）的流行工具。

在这种情况下，欧洲专利说明书EP 1 518 407 B1公开了一种用于改进推荐系统的性能的方法。通过依赖于用户反馈更新相应用户配置文件，来改进推荐系统的性能。该方法仅接受不会使推荐系统的性能劣化的反馈，并通过错误率来测量推荐系统的性能。发现将使性能劣化的反馈，而不采用该反馈来改变用户配置文件。EP 1 518 407 B1中描述的推荐系统仅配置为直接向用户传送推荐。

美国专利申请公开US2010/0042471A1描述了一种用于管理电子广告的介绍（referral）的软件和硬件设施。该设施向介绍人提供广告，并且应该使得介绍人能够将广告转发给接收者。期望该设施跟踪接收者对转发的广告的响应，例如，与广告的交互。根据公开，该设施将基于接收者对广告的响应向介绍人提供奖励和/或惩罚（disincentive）。

国际专利申请公开WO2006/104694描述了一种用于成员网络中成员创建的广告的系统。成员网络的成员能向系统提交关于创建和发送广告的请求，以便从系统接收支持。

发明内容

本发明的目的是提供一种支持提供个人推荐的改进推荐系统。另外本发明的目的是提供一种对应的计算机实现的推荐方法、计算机可读介质和计算机程序。

在本发明的第一方面，提出了一种推荐系统，用于激励基于计算机的网络的用户向用户的联系人推荐项目，所述推荐系统包括：

-到多个项目数据库中的至少一个的接入，

-用户数据库，配置为存储多个用户配置文件，其中各个用户配置文件包括：

-到联系人数据库的至少一个链路，所述联系人数据库将用户的联系人关联到推荐项目，其中各个联系人被关联到多个推荐项目，用户已将所述多个推荐项目中的每一个推荐给所述各个联系人，

-喜欢程度确定器，配置为基于推荐项目来确定对于来自所述多个项目数据库之一的特定项目的第一喜欢程度，

-自动装置形式的推荐引擎，所述推荐引擎包括：

-信号发生器，配置为生成电子建议信号，

-发送器，配置为如果所述第一喜欢程度超过固定级别，则向各个用户发送生成的电子建议信号，该电子建议信号表示所述各个用户的各个联系人对所述特定项目的潜在兴趣。

本发明包括认识到传统推荐系统（例如EP 1 518 407 B1中公开的）仅配置为直接向用户发送对于特定项目的推荐。然而，相比于用户对推荐系统的信任，用户一般更信任他的联系人/朋友。联系人/朋友所作的从用户到他的联系人/朋友之一的推荐通常在重要性和相关性上比机器所作的推荐得到更高的评价，而不管实际推荐多么准确或相关。

发明人已认识到广告商日益面临拥挤的广告空间，其中消费者注意力在越来越多的装满商业消息的通道之间散布。在广告商争取观众注意力的时候，用户正在习惯于选择要看什么和读什么，他们不能容忍他们不感兴趣的广告。发明人还已发现个人推荐能帮助广告商影响并得到用户的注意，同时个人推荐能满足过滤出不想要的信息并且获得对用户重要的项目的推荐的用户需求。

现在能向广告商提供技术上实现个人推荐的激励的本发明的第一方面的推荐系统。

本发明的推荐系统的一个优点是总体上避免了直接向用户发送推荐，而是向用户发送电子建议，建议用户向他的联系人之一推荐特定项目。因此，推荐系统利用技术手段向广告商传达了个人推荐（特别是高度有效的广告）的优点。

通过提供半自动方案，允许用户控制最后步骤（即：实际上发送推荐），而其他事情（特别是发送电子建议信号，也就是说：激励）完全自动发生，推荐系统促进了用户之间或者相应地在用户和联系人之间的通信。推荐系统因此在技术上以诸如e-mail或其他电子视觉提示的电子通知信号的形式引起了个人推荐的散布。特别地，本发明提供了支持发现用户不喜欢、但是他的朋友/联系人之一可能感兴趣的那些内容项目的技术手段。

例如，喜欢程度确定器通过将项目与联系人的配置文件、特别是基于用户早期向此联系人推荐的项目的配置文件进行比较，来确定第一喜欢程度。换句话说，建议用户（用户A）向联系人（用户B）推荐项目，其中该建议基于用户A已隐含地创建的用户B的配置文件，即基于用户A已为用户B所作的早期推荐。仅当相似度（即，喜欢程度）足够大时，才发送建议信号。

喜欢程度表示基于用户具有的各个联系人的配置文件的、所述各个联系人的潜在兴趣。因此，根据用户具有的该联系人的联系人配置文件推断出该联系人可能对特定项目感兴趣或喜欢该特定项目。可以基于早期收集的数据，通过计算相似程度，来确定项目的喜欢程度（即，潜在兴趣）。因此喜欢程度是通过技术系统确定的属性。

在优选实施方式中，推荐引擎耦接到喜欢程度确定器。在此实施方式中，喜欢程度确定器包括比较器，用于将所确定的特定项目的第一喜欢程度与固定级别进行比较，并生成比较结果信号。喜欢程度确定器配置为如果比较结果信号表示确定的第一喜欢程度大于或等于固定级别，则利用比较结果信号触发推荐引擎的信号发生器。例如，比较结果信号是二进制信号，其中肯定比较结果信号（例如逻辑“1”）表示确定的第一喜欢程度大于或等于固定级别，而否定比较结果信号（例如逻辑“0”）表示另外的情况。接收到这种肯定比较结果信号时，信号发生器生成包括特定项目的项目标识和各联系人的联系人标识的电子建议信号。例如，该电子建议信号定义标识各个联系人和特定项目的视觉提示。生成电子建议信号之后，信号发生器触发发送器向用户发送生成的电子建议信号。

推荐系统能应用于使能因特网的电视机、包括视频和音乐服务的因特网服务、基于计算机的网络（特别是社交网络）、在线广告系统、广告管理系统、个人视频录像机、机顶盒、和包括便携式音频系统的音频系统。

本发明的推荐系统激励基于计算机的网络（例如类似facebook.com或衍生物的社交网络）的用户通过向各个用户发送对应的电子建议信号，而向用户的联系人推荐项目。

在本发明说明书范围内，词语“项目”指推荐系统和/或基于计算机的网络的用户进行评级并且交互的真实或虚拟对象。项目例如可以是视频内容、广告、在线文章、网页、物理或虚拟产品（例如书、DVD、电子产品、电视节目、杂志订阅），基本上包括因特网上可用的一切。这些项目登记或者相应地存储在推荐系统接入的诸如amazon.com或youtube.com的多个项目数据库中的至少一个中。项目数据库例如可以是静态项目数据库，类似于例如amazon.com或youtube.com或nytimes.com的产品或服务提供商的数据库。项目数据库也可以是动态项目数据库。特别地，这种动态项目数据库可以是用户数据库的特定用户的因特网浏览器中当前显示的多个项目。

推荐系统优选地包括到多个项目数据库的接入。“项目”也可指项目组。“特定项目”是可能建议用户推荐给联系人的项目。举例来讲，特定项目可以是已经添加到多个项目数据库之一的项目、已经被各个用户评级的项目、已经推荐给用户的项目、或者用户浏览时或作为基于关键字的搜索的结果已经找到的项目。

在本发明的说明书范围内，词语“联系人”和“朋友”用作同义词。在一方面，即，当用户向他的朋友/联系人之一发送对于项目的推荐时，这两个词都指与用户具有某种关系的人。例如，在facebook.com内，该人称为“朋友”。在用户计算机的本机地址簿中，这种人称为“联系人“。从技术上来讲，相对于联系人数据库，这两个词都指关于这种人的对应的联系人信息。联系人如此通过其联系人信息标识。

特别地，应该理解，联系人也可以是基于计算机的网络的用户，并且可以利用对应的用户配置文件在推荐系统的用户数据库中登记联系人。此外，在本发明说明书范围内，从用户到他的联系人/朋友之一的推荐也称为“个人推荐”。应该理解，这种个人推荐通常通过发送对应电子消息来发生。

用户数据库包括至少到联系人数据库的链路，联系人数据库列出用户的联系人，并将每个联系人关联到多个推荐项目，所述多个推荐项目中的每个已被用户推荐给各个联系人，因此在本发明说明书范围内称为“推荐项目”。联系人（即：联系人信息）与推荐项目（即：指定推荐项目的信息）之间的关联能实现为使得例如以表的形式在联系人数据库中列出联系人和相应推荐项目。关联也能实现为使得联系人数据库包括各个用户的联系人的列表、和指向联系人的配置文件（也可以是如上所述的用户配置文件）的对应链路的列表。于是联系人配置文件包含已从用户向联系人推荐的各个推荐项目。

联系人数据库包含表达另一用户对联系人（也可以是基于计算机的网络的用户）的观点的信息，并将该信息传送到推荐系统。用户向其联系人之一推荐特定项目的事实揭露了用户关于该联系人的特定偏好的知识。推荐系统标识此知识，并使用其用于自动激励个人推荐。

词语“到联系人数据库的至少一个链路”应理解为：在一个实施方式中，用户数据库还配置为包括联系人数据库自己。在另一实施方式中，联系人数据库存储在别处。在后一情况下，用户数据库包括到联系人数据库的链路。

用户的联系人可以是用户的本机地址簿的联系人，或者类似于facebook.com或linkedin.com的社交网络的联系人，或者以某种方式连接到各个用户的其他用户。

推荐系统的喜欢程度确定器可以是本领域技术人员已知的标准喜欢程度确定器。

基于推荐项目确定对于特定项目的喜欢程度通常是指确定依赖于特定项目与推荐项目之间的相似度的值，该值指示联系人可能喜欢该特定项目的程度。喜欢程度确定器例如配置为利用与项目有关的可用元数据，因此优选地配置为接入包含项目相关元数据的元数据数据库。喜欢程度确定器也能利用协调过滤。

基于元数据的标准喜欢程度确定器例如根据Lecture Notes in ComputerScience,2005,Volume3538/2005,317-326,DOI:10.1007/11527886_41中V.Pronk等人的“Incorporating confidence in a naive Bayesian classifier”而为人所知。

基于协同过滤的标准喜欢程度确定器例如根据Communications of theACM archive,Volume35,Issue12(December1992),Special issue oninformation filtering,Pages:61–70,Year of Publication:1992,ISSN:0001-0782中D.Goldberg等人的“Using collaborative filtering to weave an informationtapestry”而为人所知。如果第一喜欢程度超过固定级别，则推荐引擎的发送器向各个用户发送生成的电子建议信号。从而，鼓励用户向他的联系人中很可能对特定项目感兴趣的一个联系人发送建议。

电子建议信号能采用电子消息的形式，例如e-mail或电子视觉提示或电子书面通知。这种消息可在各用户浏览因特网时显现给用户。各用户的因特网浏览器可配备有对应的插件。

固定级别例如可以是固定阈值，或者另外地，固定级别是确定的多个第一喜欢程度的当前均值，所述多个第一喜欢程度中的每个属于各个用户的联系人之一。在后一情况下，推荐系统配置为选择应被提供电子建议信号的最小数目的用户，即，其联系人呈现了较高第一喜欢程度的那些用户。推荐系统配置为通过选择被视为有影响力的用户的这种用户来精简选择的最小数目的用户也是优选的。这些用户可以是具有相对高数目的联系人的用户、和/或频繁发送个人推荐的用户、和/或关联的联系人数据库最近已被更新的用户。为了确定这些有影响力的用户，推荐系统优选地适用于实现R.Gosh等人的“Predicting Influential users in Online Social Networks”,Proceedings ofKDD workshop on Social Network Analysis(SNA-KDD),Washington DC,USA,2010描述的方法。

下面，描述本发明的第一方面的推荐系统的另外实施方式。另外实施方式的附加特征可彼此组合以生成其他实施方式，只要它们未被明确地描述为彼此代替即可。

在特别优选的实施方式中，推荐系统包括配置为检测用户数据库的各个用户已向他的联系人之一推荐项目的推荐检测器，其中推荐系统配置为依赖于该推荐来更新联系人数据库。因此，降低了电子建议信号错放的可能性。应该理解，推荐系统优选地配置为更新已从用户接收推荐的联系人，并更新尚未接收到推荐的联系人。这允许提供联系人的更精确的观点，因此提供电子建议信号的改进布置。

因此，优选地，推荐系统配置为如果在所述电子建议信号上未发生推荐，则向联系人数据库添加未推荐项目，并将这些项目标记为“未推荐的”，因为建议了推荐这些项目，但用户未进行推荐。

优选地，推荐系统配置为依赖于已被提供电子建议信号的用户实际上是否向他的联系人推荐特定项目，来更新联系人数据库。如果用户向联系人推荐项目，则推荐系统将推荐项目添加到联系人数据库，并对已接收个人推荐的相应联系人进行肯定评级。如果在接收到电子建议信号时未发生推荐，则推荐系统将未推荐项目添加到联系人数据库，并对未接收个人推荐的相应联系人进行否定评级。在此实施方式中，推荐系统因此配置为生成用户对他们各自联系人的更精确的观点，因此，电子建议信号可以分布，使得随后个人推荐的机会增加。

优选地，推荐系统包括被配置为检测用户数据库的各个用户已对项目评级的评级检测器，其中喜欢程度确定器和推荐引擎采用所述评级的项目作为所述特定项目。如果评级的项目已被肯定评级，则此实施方式特别优选。

在此实施方式中，推荐系统识别出用户已对项目评级，如果喜欢程度确定器基于用户已向他的联系人之一推荐的推荐项目而确定被评级的项目具有高喜欢程度，则建议用户向他的联系人之一推荐评级的项目。

还优选的是，推荐系统包括配置为检测新项目已添加到多个项目数据库之一的项目检测器，其中喜欢程度确定器和推荐引擎采用所述新项目作为特定项目。例如，如果amazon.com上可获得新书，则推荐系统检查-最终在已向用户推荐该新书之后-该书对于用户数据库链接到的或者可以是推荐系统的用户数据库的部分的、联系人数据库中列出的联系人之一是否呈现出足够高的喜欢程度。如果满足此标准，则推荐系统的发送器向用户发送电子建议信号。因此，新项目的广告商能通过使用本发明的推荐系统而利用基于个人的推荐。

应该理解，在优选实施方式中，推荐系统包括配置为实现上述评级检测器、项目检测器和推荐检测器的功能的单个检测器。

在推荐系统的一个实施方式中，用户数据库附加地包括关于用户针对项目的偏好的用户相关信息，并且该信号发生器配置为依赖于各个用户的用户相关信息来生成电子建议信号。

此实施方式具有如下优点：推荐系统特别能激励用户向他的联系人之一推荐他自己感兴趣的这种特定项目。结果，实际推荐更个性化，因此更有效。因此，特别地，推荐系统建议推荐与推荐项目具有特定相似度并且潜在推荐者与之具有特定个人关系的这种项目。因此用户向他的联系人作出的实际推荐非常到位，因为首先：联系人很可能对推荐项目感兴趣，其次：推荐用户与他推荐的特定项目具有个人关系。

在此实施方式中，推荐系统的用户数据库具有其中用户数据库附加地包括关于用户针对项目的偏好的用户相关信息的一部分。例如，用户数据库的该部分实现为使得其将用户的项目关联到用户评级，例如数字评级。关于用户针对项目的偏好的用户相关信息也能基于元数据。例如，推荐系统识别出特定用户频繁访问特定主页，例如呈现特定项目组（例如移动电话），则用户配置文件的该部分的用户相关信息可以声称各个用户对该特定项目组感兴趣。

在以上意义上，此实施方式的用户数据库可包括单个用户的多个用户配置文件：基于关于单个用户针对项目的偏好的用户相关信息的第一配置文件（用户配置文件），第一用户配置文件表达推荐系统对该单个用户的观点；多个第二配置文件，所述多个第二配置文件中的每一个包含表达另一用户对该单个用户的观点的信息。用户向其联系人之一推荐特定项目的事实揭露了用户关于该联系人的特定偏好的知识。推荐系统标识此知识，并使用该知识用于自动激励进一步个人推荐。

在优选实施方式中，推荐系统配置为依赖于用户评级来更新各个用户的用户相关信息。

如以上所阐述的，用户数据库的各用户配置文件能包括通过个人数字评级关联项目的第一表，用于存储关于用户针对项目的偏好的用户相关信息。另选地或附加地，关于用户偏好的用户相关信息能表示用户对项目组的兴趣或不关心，或者与特定项目组的其他个人关系。应该理解，词语“表”通常不按文字意义解释，而是按功能意义解释。第一表的技术功能是将项目关联到关于用户针对项目的偏好的用户相关信息。能通过本领域技术人员已知的任何其他数据结构实现关联，而不一定以第一表的形式实现。

在推荐系统的另一实施方式中，喜欢程度确定器配置为基于关于针对项目的个人偏好的用户相关信息，来确定对于来自所述多个项目数据库之一的所述特定项目的第二喜欢程度，所述发送器附加地配置为依赖于所述第二喜欢程度向用户数据库的各个用户发送电子推荐信号，其中所述电子推荐信号表示所述特定项目对所述各个用户的可用性。

应该理解，第一喜欢程度和第二喜欢程度能彼此相等或不同，词语“第一”和“第二”的使用不应指示各个幅度，而是用于在言语上区分这两种喜欢程度。

电子推荐信号能采用电子消息的形式，例如e-mail或电子视觉提示或电子书面通知。

在此实施方式中，推荐系统附加地提供传统推荐系统的功能，即：从机器向基于计算机的网络的用户发送对于特定项目的直接推荐。

在一个实施方式中，喜欢程度确定器基于元数据确定第一程度和/或第二喜欢程度。在另一实施方式中，喜欢程度确定器基于协同过滤确定第一喜欢程度和/或第二喜欢程度。

在优选实施方式中，推荐系统包括到多个基于计算机的网络中的至少一个的第二接入，用于更新联系人数据库的联系人列表。如以上所阐述的，一个特定用户的联系人可以是该特定用户在facebook.com或类似社交网络上具有的联系人。另选地或附加地，特定用户的联系人是存储在该特定用户的计算机上的本机地址簿的联系人，其中用户的计算机可以是台式计算机、笔记本、移动电话或任何其他个人数字助理。

在后一优选实施方式中，推荐系统配置为记录哪些项目已被用户数据库的用户和联系人评级、接收或看到。在此实施方式中，推荐引擎配置为如果应该由各个用户推荐给各个联系人的特定项目已被所述各个联系人评级、接收或看到或者被所述各个用户推荐，则避免向所述各个用户发送电子建议信号。因此，避免了已评级、接收或看到项目或者已推荐项目的联系人不接收对于同一项目的进一步推荐。

在本发明的第二方面，提出了一种激励基于计算机的网络的用户向用户的联系人推荐项目的计算机实现的推荐方法。所述计算机实现的推荐方法包括以下步骤：

-建立到多个项目数据库中的至少一个的接入，

-存储多个用户配置文件，其中各个用户配置文件包括：

-到联系人数据库的至少一个链路，所述联系人数据库将用户的联系人关联到推荐项目，其中各个联系人被关联到多个推荐项目，用户已将所述多个推荐项目中的每一个推荐给所述各个联系人，

-基于推荐项目来确定对于来自所述多个项目数据库之一的特定项目的第一喜欢程度，

-生成电子建议信号，和

-如果所述第一喜欢程度超过固定级别，则向所述各个用户发送生成的电子建议信号，该电子建议信号表示所述各个用户的各个联系人对所述特定项目的潜在兴趣。

在本发明的第三方面，提出了一种计算机可读介质，上面包括有计算机可读代码部件，所述计算机可读程序代码部件可操作为促使可编程系统在运行所述计算机可读代码部件时执行如权利要求13所述的推荐方法。

在本发明的第四方面，提出了一种计算机程序，该计算机程序具有可运行代码，当在计算机上运行时促使该计算机执行权利要求13的推荐方法。

应该理解，本发明的第一方面的推荐系统、本发明的第二方面的推荐方法、本发明的第三方面的计算机可读介质以及本发明的第四方面的计算机程序具有相似和/或相同的特别是如从属权利要求2到12中限定的优选实施方式。

本发明的这些方面和其他方面将通过这里和之后描述的实施方式变得明显，并且参照这里和之后描述的实施方式进行例示。

附图说明

在下面的图中：

图1示意性且示例性地示出根据本发明的第一方面的推荐系统的表示，

图2示意性且示例性地示出根据本发明的第二方面的计算机实现的推荐方法的第一实施方式的表示，

图3示意性且示例性地示出根据本发明的第二方面的计算机实现的推荐方法的第二实施方式的表示，以及

图4示意性且示例性地示出根据本发明的第二方面的计算机实现的推荐方法的第三实施方式的表示。

具体实施方式

图1示意性且示例性地示出用于激励基于计算机的网络110的用户199向用户199的联系人198推荐项目（例如项目II）的推荐系统100的第一实施方式的表示。

推荐系统100包括到项目数据库125的接入120。项目数据库登记或者分别存储多个项目I、II、...。推荐系统100还包括用于存储多个用户配置文件140-A、...、140-Z的用户数据库140、用于确定第一喜欢程度164的喜欢程度确定器160、以及自动装置形式的推荐引擎180，推荐引擎180包括信号发生器182和发送器184。发送器184配置为向用户199发送生成的电子建议信号186，其中所述电子建议信号表示联系人198对特定项目II的潜在兴趣。在肯定情况下，用户199在接收到电子建议信号186时向联系人198发送对于项目II的推荐188。

推荐系统100的用于存储用户A...Z的多个用户配置文件140-A、...140-Z的用户数据库140为每个用户存储关于用户针对项目的偏好的用户相关信息以及联系人数据库144，联系人数据库144将联系人a、b、...关联到多个推荐项目I、II，其中各个联系人（例如联系人a）被关联到多个推荐项目I、II（例如已被用户推荐给该各个联系人的项目II）。用户配置文件140-A、...、140-Z还包括将项目（I、II、...）关联到个人数字评级的第一表142，用于存储关于用户针对项目的偏好的用户相关信息。例如，用户A用数值3对项目I评级，而用数值5对项目II评级。数值能表示喜欢程度：对于特定项目的评级越高，用户越喜欢该特定项目。此外，用户配置文件140-A示出用户A已将项目II推荐给了联系人a，并且将项目I推荐给了联系人b。剩余用户配置文件以相同或相似的方式建立。

因此，推荐系统100的用户数据库125包括单个用户的多个用户配置文件：基于关于单个用户针对项目的偏好的用户相关信息的第一配置文件（第一表142），该第一用户配置文件表达推荐系统对该单个用户的观点；以及多个第二配置文件，每个第二配置文件表达另一用户对该单个用户的观点（多个联系人数据库144）。

推荐系统100还包括检测器190。检测器190配置为检测新项目已添加到项目数据库125和/或检测用户199已对特定项目评级。如果新项目已添加到项目数据库125或用户199已对项目评级，则喜欢程度确定器160基于图1中的联系人数据库144的右列列出的推荐项目，来确定对于添加/评级的项目（下面称为特定项目）的第一喜欢程度。因此，喜欢程度确定器包括到用户数据库的接入162。

推荐引擎180的信号发生器182配置为生成电子建议信号186。只有那些具有高于固定级别的喜欢程度并且可能的推荐者（即用户199）与之具有特定个人关系的项目应该被推荐系统100建议推荐。否则，用户199对联系人189作出的推荐188将被错放（联系人198对推荐项目不感兴趣）或者将不是个人的（用户199与他推荐的项目不具有个人关系）。

推荐系统100还包括到基于计算机的网络110（例如可以是社交网络）的第二接入195，允许推荐系统100利用各个用户的联系人来更新联系人数据库。

推荐系统100还配置为依赖于用户199作出的用户评级并且依赖于用户199发送到联系人198的推荐，而更新第一表142和联系人数据库144。

喜欢程度确定器160附加地配置为基于第一表142中列出的项目，来确定对于数据库125的特定项目的第二喜欢程度。如果第二喜欢程度166超过第二固定级别，则推荐引擎180的发送器184向用户199发送电子建议信号186。然而，应该理解，推荐引擎的主要功能是向用户199发送所述电子建议信号，并且该主要功能可在不具备向用户199发送直接推荐信号的可选特征的情况下实现。

下面，描述推荐系统的一些可能的操作机制：

当用户A向他的联系人b发送对于项目IV的推荐时，推荐系统100关联对于项目IV的肯定评级和联系人数据库144中的联系人b，并按照此方式构建用户A看到的对于联系人b的配置文件。假设用户A已决定向联系人b推荐项目IV，因为用户A知道他的联系人b的偏好。

随后，当用户A对类似于项目IV的项目VI作出肯定评级时，即：第一喜欢程度高于固定级别时，推荐系统100建议用户A向联系人b发送关于项目VI的推荐，因此激励用户的推荐的病毒性散播。推荐系统100能直接向联系人B发送关于项目VI的推荐，但是如果项目VI被朋友认可，则将更能说服联系人B获取项目VI。因此，不直接向用户给出对于项目的推荐，而是当可能时，根据属于第一用户的社交网络的另一用户的配置文件选择该另一用户，并且提示该另一用户向他的联系人建议项目。

当用户A对项目评级时，推荐系统100根据评级来更新他的个人配置文件140-A。这允许推荐系统100获知A的偏好并提供相关推荐。为了激励病毒性活动，推荐系统100首先经由第二接入195取得用户A的朋友/联系人。对于A的每个联系人，喜欢程度确定器160基于存储在联系人数据库144中的推荐项目，即：基于用户A看到的联系人配置文件，来确定对于特定项目的第一喜欢程度。基于第一喜欢程度，选择关联到呈现足够高的第一喜欢程度（例如，基于固定阈值）的推荐项目的联系人。另选地，选择具有最高第一喜欢程度的最小数目的联系人。如上所述，推荐系统100通过选择被视为有影响力的这种联系人来精简联系人的数目也是可能的。推荐系统100然后建议选择的用户A向这些联系人发送对于特定项目的推荐。用户A然后决定他实际上想向哪些联系人发送对于特定项目的推荐。推荐系统100更新用户A看到的这些联系人的配置文件，即：联系人数据库144，相应地：如果用户A实际上向他的联系人/朋友发送建议，则利用对于该特定项目的肯定评级，来更新“A看到的”该朋友的配置文件，如果用户A实际上不向他的联系人/朋友发送建议，则利用对于该特定项目的否定评级，来更新“A看到的”该朋友的配置文件。

当新项目X添加到项目数据库125时，推荐系统100基于用户配置文件140-A、...、140-Z，来选择可能喜欢新项目X的用户集。随后，向他们推荐新项目X。无论选择的用户是否将实际上提供对于新项目X的评级，推荐系统100都经由第二接入195从选择的用户的社交网络取得每个选择的用户的联系人。从而，推荐系统100维持已接收对于新项目X的通知/推荐/建议的用户的列表，以便防止向同一用户呈现两次同一项目。如果附加地各个第一喜欢程度超过固定级别，则推荐系统100然后建议首先被提供系统推荐的用户向其他联系人个人地推荐新项目X。

图2以通常方式示例性示出例示用于激励基于计算机的网络的用户向用户的联系人推荐项目的计算机实现的推荐方法200的实施方式的流程图。在计算机实现的方法200的第一实施方式的第一步骤210，建立到多个项目数据库之一的接入。在第二步骤220，存储多个用户配置文件，其中各个用户配置文件包括：

-到联系人数据库的至少一链路，所述联系人数据库将用户的联系人关联到推荐项目，其中各个联系人被关联到多个推荐项目，用户已将所述多个推荐项目中的每一个推荐给所述各个联系人。

在第三步骤230，基于推荐项目来确定对于来自多个项目数据库之一的特定项目的第一喜欢程度。在第四步骤240，生成电子建议信号。在第五步骤250，如果第一喜欢程度超过固定级别，则向用户数据库的各个用户发送生成的电子建议信号。该电子建议信号表示所述各个用户的各个联系人对特定项目的潜在兴趣。

图3和4示出本发明的第二方面的计算机实现的推荐方法的更具体的实现。

图3示出本发明的第二方面的计算机实现的推荐方法的第二实施方式。在第一步骤，检测用户A已对项目II进行了评级。然后，根据用户A的评级，来更新他的配置文件。这对应于更新图1所示的第一表142，并允许获知用户A的偏好，并向他提供相关推荐。为了激励个人推荐，取得用户A的联系人。对于用户A的每个联系人，利用用户A看到的联系人配置文件，来对项目II打分。这种意义上的打分是指基于用户A已向他的联系人推荐的推荐项目来确定对于项目II的第一喜欢程度。基于该分数，即：基于第一喜欢程度，选择例如基于固定阈值的具有足够高的分数/第一喜欢程度的联系人。另选地，可以选择具有最高分数/第一喜欢程度的最小数目的联系人。

然后建议用户A向选择的联系人发送对于项目II的推荐。该推荐利用电子建议信号的方式发生，例如以电子消息或电子提示的形式。用户A然后决定他实际上想向哪个联系人发送对于项目II的推荐。相应地更新用户A看到的选择的联系人的配置文件：如果用户A实际上向他的联系人发送推荐，则利用对于项目II的肯定评级，来更新A看到的此联系人的配置文件，如果用户A实际上不向他的联系人发送推荐，则利用对于项目II的否定评级，来更新A看到的此联系人的配置文件。

图4示出在新项目添加到项目数据库例如开始新病毒性活动时的情况下计算机实现的推荐方法的第三实施方式270。

首先，检测新项目III已添加到项目数据库。根据例如图1所示的将项目关联到个人评级并以附图标记142标记的第一表的形式的、所存储的关于用户偏好的用户相关信息，发现可能喜欢项目III的用户集U。因此，向用户集U推荐项目III。无论选择的用户U是否将实际提供对于项目III的评级，对于用户集U中的每个用户，取得来自他们的社交网络的联系人。在此步骤，维持已接收对于项目III的推荐或已对项目III评级的用户的列表，以便防止向同一用户呈现两次同一项目。计算机实现的推荐方法270的第三实施方式的后续步骤与图3中检测的计算机实现的推荐方法的第二实施方式的后面步骤相同。

应该理解，本发明的第一方面的推荐系统配置为实现参照图2、3和4描述的方法。还应理解，方法200、260和270的上述步骤可以按偏离上述顺序的顺序来执行。可以同时执行一些或全部步骤。

还应理解，各图的元件排列主要用于明白的描述的目的；其并不涉及根据本发明的制造系统的部分的任何实际几何排列。特别提及推荐系统、用户数据库、推荐引擎、喜欢程度确定器和项目数据库可以是开放系统，并且不能集成在单个设备的单个外壳中。

本发明的第四发明的计算机程序可存储/分布在诸如光存储介质或固态存储介质的合适的介质上，或者与其他硬件一起存储/分布，或者作为其他硬件的动力，但也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统。

在权利要求书中，词语“包括”不排除其他元素或步骤，“一”或“一个”不排除多个。

单个单元或设备可完成权利要求书中记载的若干项的功能。在互不相同的从属权利要求中引用特定措施的事实并不表示不能利用这些措施的组合产生益处。

权利要求书中的附图标记不应被解释为限制范围。

本发明涉及推荐系统、计算机实现的推荐方法、对应的计算机可读介质和对应的计算机程序。推荐系统配置为依赖于基于用户数据库的各个用户已向他的联系人推荐的项目而确定的特定项目的第一喜欢程度，向所述各个用户发送电子建议信号。该电子建议信号建议所述各个用户向他的联系人中的一个或多个推荐特定项目。这样，激励基于个人的推荐。

附图标记列表

100   推荐系统

110   基于计算机的网络

120   到多个项目数据库中的至少一个的接入

125   项目数据库

140   用户数据库

140-A 多个用户配置文件中的一个

140-Z 多个用户配置文件中的另一个

142   第一表

144   联系人数据库

160   喜欢程度确定器

162   到用户数据库的接入

164   第一喜欢程度

166   第二喜欢程度

180   推荐引擎

182   信号发生器

184   发送器

186   电子建议信号

187   电子推荐信号

188   个人推荐

190   检测器

195   第二接入

198   联系人

199   用户

200   计算机实现的推荐方法的第一实施方式

210   建立到数据库的接入

220   存储多个用户配置文件

230   确定第一喜欢程度

240   生成电子建议信号

250   发送生成的电子建议信号

260   计算机实现的推荐方法的第二实施方式

270   计算机实现的推荐方法的第三实施方式