[發(fā)明專利]一種社交網(wǎng)絡(luò)的用戶聚類推薦方法

在審

• 申請?zhí)枺?/td>: 201710016408.1
• 申請日: 2017-01-10
• 公開（公告）號: CN108288066A
• 公開（公告）日: 2018-07-17
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 長沙云昊信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明針對目前社交網(wǎng)絡(luò)的用戶利用效率低等問題，提出的一種新型的用戶聚推薦方法；該方法首先選取用戶節(jié)點(diǎn)中關(guān)注數(shù)量較高的節(jié)點(diǎn)，從而抽取出稀疏數(shù)據(jù)中的一個密集子集，利用圖摘要的方法，對此密集子集形成關(guān)注興趣相似的核心聚類,然后，提取種子聚類的微博內(nèi)容特征和整個數(shù)據(jù)集中其它用戶的內(nèi)容特征，基于內(nèi)容相似度對整個用戶群進(jìn)行聚類，最后將聚類結(jié)果用于推薦,達(dá)到了用戶聚類的目的。

技術(shù)領(lǐng)域

本發(fā)明是一種互連網(wǎng)技術(shù)領(lǐng)域，尤其涉及社交網(wǎng)絡(luò)技術(shù)領(lǐng)域。

背景技術(shù)

社交網(wǎng)絡(luò)(Social Networks Services, SNS)隨著Internet用戶的普及呈現(xiàn)出飛速發(fā)展的趨勢，不僅用戶數(shù)量爆炸性地增長，其服務(wù)形態(tài)也在發(fā)生急劇的變化,近年來，大量新型的社交網(wǎng)絡(luò)服務(wù)不斷地涌現(xiàn)，其中以國外Twitter和國內(nèi)新浪微博為代表的弱關(guān)系社交網(wǎng)絡(luò)微博服務(wù)(Micro Blog)正成為一種主要的社交網(wǎng)絡(luò)形態(tài)。

發(fā)明內(nèi)容

本方法總體結(jié)構(gòu):主要步驟包括預(yù)處理、核心聚類、全用戶聚類、主題推薦階段，主要流程如下:

1.預(yù)處理階段,篩選出興趣向量非零值比例大于密度閡值幾的核心用戶集合,根據(jù)核心用戶對應(yīng)的興趣向量提取構(gòu)造出原興趣矩陣的密集子矩陣;

2.核心聚類階段,根據(jù)核心用戶的興趣矩陣構(gòu)成的訂閱關(guān)系圖進(jìn)行圖摘要計(jì)算，利用摘要迭代的過程生成滿足模糊度和獨(dú)立性約束的核心聚類;

3.全用戶聚類階段,利用上一步中生成的核心聚類，提取核心聚類內(nèi)容特征向量，同時提取非核心用戶所發(fā)表微博的內(nèi)容特征向量，根據(jù)內(nèi)容特征向量的相似度不斷迭代，將非核心用戶加入到己有的聚類集合中，直至完成對所有用戶的聚類;

4.根據(jù)聚類結(jié)果以及每個用戶在聚類內(nèi)部的相似度和類興趣特征，生成類成員內(nèi)部的推薦向量，同時根據(jù)不同主題在不同聚類間的興趣差異，形成跨類推薦向量，兩者綜合排序之后的結(jié)果作為最終推薦結(jié)果;

推薦算法執(zhí)行過程中，對于訓(xùn)練數(shù)據(jù)集進(jìn)行1~3離線計(jì)算生成聚類結(jié)果和類興趣向量，對于任何新加入的用戶，只需進(jìn)行3中的聚類歸屬計(jì)算和4中的推薦過程,通過將離線和在線處理運(yùn)算盡可能的分離，可以使算法達(dá)到更高的在線推薦計(jì)算效率。