一种社交网络的用户聚类推荐方法技术

本发明专利技术针对目前社交网络的用户利用效率低等问题，提出的一种新型的用户聚推荐方法；该方法首先选取用户节点中关注数量较高的节点，从而抽取出稀疏数据中的一个密集子集，利用图摘要的方法，对此密集子集形成关注兴趣相似的核心聚类,然后，提取种子聚类的微博内容特征和整个数据集中其它用户的内容特征，基于内容相似度对整个用户群进行聚类，最后将聚类结果用于推荐,达到了用户聚类的目的。

A user clustering recommendation method for social networks

In view of the problem of low efficiency of users in social networks, a new method of user aggregation is proposed. This method first selects a high number of nodes in the user node, then extracts a dense subset of sparse data, and uses the method of graph summary to form a focus on the dense subset. The core clustering of interest is similar, then, the content features of the micro-blog content clustering and the content characteristics of the other users in the whole data centralization are extracted, and the whole user group is clustered based on the content similarity. Finally, the clustering results are used to recommend the user, and the purpose of user clustering is achieved.

【技术实现步骤摘要】
一种社交网络的用户聚类推荐方法
本专利技术是一种互连网
，尤其涉及社交网络

技术介绍
社交网络(SocialNetworksServices,SNS)随着Internet用户的普及呈现出飞速发展的趋势，不仅用户数量爆炸性地增长，其服务形态也在发生急剧的变化,近年来，大量新型的社交网络服务不断地涌现，其中以国外Twitter和国内新浪微博为代表的弱关系社交网络微博服务(MicroBlog)正成为一种主要的社交网络形态。
技术实现思路
本方法总体结构:主要步骤包括预处理、核心聚类、全用户聚类、主题推荐阶段，主要流程如下:1.预处理阶段,筛选出兴趣向量非零值比例大于密度阂值几的核心用户集合,根据核心用户对应的兴趣向量提取构造出原兴趣矩阵的密集子矩阵;2.核心聚类阶段,根据核心用户的兴趣矩阵构成的订阅关系图进行图摘要计算，利用摘要迭代的过程生成满足模糊度和独立性约束的核心聚类;3.全用户聚类阶段,利用上一步中生成的核心聚类，提取核心聚类内容特征向量，同时提取非核心用户所发表微博的内容特征向量，根据内容特征向量的相似度不断迭代，将非核心用户加入到己有的聚类集合中，直至完成对所有用户的聚类;4.根据聚类结果以及每个用户在聚类内部的相似度和类兴趣特征，生成类成员内部的推荐向量，同时根据不同主题在不同聚类间的兴趣差异，形成跨类推荐向量，两者综合排序之后的结果作为最终推荐结果;推荐算法执行过程中，对于训练数据集进行1~3离线计算生成聚类结果和类兴趣向量，对于任何新加入的用户，只需进行3中的聚类归属计算和4中的推荐过程,通过将离线和在线处理运算尽可能的分离，可以使算法达到更高的在线推荐计算效率。本文档来自技高网...

【技术保护点】
1.一种社交网络的用户聚类推荐方法，其特征在于：本方法通过预处理、核心聚类、全用户聚类、主题推荐来建立用户聚类推荐方法；通过分析从用户‑主题喜好矩阵和用户自身发表内容的中体现出的用户喜好信息，并将二者综合利用，提高在稀疏数据集上的推荐效果,同时利用图摘要算法中的类模糊性，保证冷启动条件下推荐的多样性。

【技术特征摘要】
1.一种社交网络的用户聚类推荐方法，其特征在于：本方法通过预处理、核心聚类、全用户聚类、主题推荐来建立用户聚类推荐方法；通过分析从用户-主题喜好矩阵和...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：长沙云昊信息科技有限公司，
类型：发明
国别省市：湖南,43