[發(fā)明專利]一種基于大數(shù)據(jù)的科技信息聚類方法

在審

• 申請?zhí)枺?/td>: 202010150066.4
• 申請日: 2020-03-06
• 公開（公告）號: CN111460046A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設計）人: 丁榮榮
• 申請（專利權）人: 合肥海策科技信息服務有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/215;G06F16/245
• 代理公司: 合肥律通專利代理事務所(普通合伙) 34140
• 代理人: 吳奇

1.一種基于大數(shù)據(jù)的科技信息聚類方法，其特征在于，包括以下步驟：

S1、采集用戶行為歷史數(shù)據(jù)：客戶端采集用戶數(shù)據(jù)，并上傳到云端服務器上；采集數(shù)據(jù)包括用戶輸入的關鍵詞和瀏覽行為以及個人的基本信息；

S2、用戶行為特征分析處理：對用戶數(shù)據(jù)進行預處理和聚合處理，過濾掉不完整的數(shù)據(jù)以及垃圾無用數(shù)據(jù)，并將行為特征完整有用數(shù)據(jù)保存到大數(shù)據(jù)中；

S3、建立用戶行為特征集：系統(tǒng)分析模塊對用戶行為進行分析，提取用戶經(jīng)常瀏覽的行為信息，綜合用戶基本信息，建立用戶行為特征集；

S4、建立大數(shù)據(jù)聚類模型：利用深度學習算法、機器學習算法及語義分析算法對用戶數(shù)據(jù)中心進行深度分析，并建立大數(shù)據(jù)聚類模型算法模型；

S5、利用聚類模型對數(shù)據(jù)集進行聚類處理：從大數(shù)據(jù)庫中檢索出基于分析模塊分析出的與用戶行為相關的科技信息資源，并對子數(shù)據(jù)進行局部聚類；

S6、科技信息推送：數(shù)據(jù)推送模塊將將局部聚類后的信息資源推送給用戶。

2.根據(jù)權利要求1所述的一種基于大數(shù)據(jù)的科技信息聚類方法，其特征在于：所述科技信息可以是知識產(chǎn)權、科技論文、科技項目、科技成果、技術標準、科學數(shù)據(jù)、信息情報、新產(chǎn)品。

3.根據(jù)權利要求1所述的一種基于大數(shù)據(jù)的科技信息聚類方法，其特征在于：所述大數(shù)據(jù)聚類模型可以是k-means模型、MapReduce模型中的一種。

4.根據(jù)權利要求1所述的一種基于大數(shù)據(jù)的科技信息聚類方法，其特征在于：所述步驟S5包括以下分步驟：

S51、對科技信息原始數(shù)據(jù)集進行預處理；

S52、將數(shù)據(jù)U分割為M個子數(shù)據(jù)集，并分配給M個Map函數(shù)；

S53、在Map處理過程中，對子數(shù)據(jù)進行局部聚類；

S54、在Reduce處理過程中，對相同key/Value值的類進行合并；

S55、如果實際聚類個數(shù)R小于聚類個數(shù)k，則需要調(diào)整收縮因子參數(shù)，重新進行聚類，直到實際聚類個數(shù)R等于聚類個數(shù)k為止；

S56、如果N_新＞N_舊||K_新＞K_舊，那么兩個數(shù)據(jù)集重新進行分割，K＝[(K_新+K_舊)/2]；反之，沒更新的數(shù)據(jù)集得到的K個簇的中心點作為K個點與新數(shù)據(jù)源組成新的數(shù)據(jù)集進行分割，K＝K_舊；其中，N_新和N_舊分別表示新數(shù)據(jù)源點數(shù)和沒有更新前數(shù)據(jù)源點數(shù)，K_新和K_舊分別表示新數(shù)據(jù)源中心點個數(shù)和沒有更新前數(shù)據(jù)源中心點個數(shù)；

S57、重復S53、S54、S55階段直到實際聚類個數(shù)R等于聚類個數(shù)k為止。