[发明专利]基于商品网络连接图的商品簇划分方法

说明书

技术领域

本发明属于信息技术领域，具体涉及一种基于商品网络连接图的商品簇划分方法的设计。

背景技术

随着信息技术的迅猛发展，网络开始不断向复杂化和多样化方向发展。复杂网络(ComplexNetwork)是具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络。复杂网络呈现高度复杂性，其复杂性主要表现在结构复杂性、网络进化的复杂性、连接权重和方向的复杂性、节点多样性以及多重复杂性融合。复杂网络具有小世界、集聚程度、幂律的度分布等特征。

大数据的图分析方法以图分析和图挖掘为主要研究手段，以目标产生的大数据中数据单元的关联特征为主要研究对象，应用基于大数据的复杂网络理论计算应用行为的图结构特征参数、图量值加权测量参数等测度，同时采用节点与边的筛选算法提取网络应用行为核心业务特征，分析其固有模式和本质属性，推断产生大数据的目标的具体内容。大数据的图分析主要应用的技术有网络拓扑分析、图匹配与搜索、图路径和流分析、网络链路预测、网络群体的组织关系识别以及关键拓扑元素分析等技术。

共引网络分析是大数据的图分析的一个应用方面，它利用各种数学、统计学以及逻辑方法，对分析对象的引用或被引用的现象进行分析研究，以便揭示其数量特征和内在规律，达到评价、预测科学发展趋势的目的。社团结构是许多实际网络都存在一个共同特征，整个网络由若干个社团构成，节点之间的联系决定了节点是否在同一个社团内，每个社团内部节点之间的连接非常紧密，而各个社团之间的连接相对来说比较稀疏。无论一个社团是以什么性质组成的一个类或模块，同一个社团内部的节点肯定有某些相似的特征或性质。大量的社会网络都存在社团，揭示网络中的社团结构，对于了解网络结构与分析网络特性具有极为重要的意义。社团结构分析在生物学、物理学、计算机图形学和社会学中都有广泛的应用，研究复杂网络的社团结构对于控制疾病传播、网络病毒的传播等具有重大意义。

为了提供更高质量的个性化服务，需要构建细致、准确的用户模型，这就不仅需要了解用户对什么感兴趣，而且还需要了解用户对内容的感兴趣程度。一种获得用户兴趣度的方法是让用户自己标注感兴趣的程度。要求用户自己标注兴趣度的方法固然能够获得较为准确的用户模型；另外一种获得用户兴趣度的方法是根据用户的浏览行为来估计用户的兴趣度，通过浏览行为估计用户兴趣度的方法无需用户主动参与，有助于提高个性化服务系统的亲和力。

推荐系统中聚类的基础是兴趣度，用户聚类分析可以将具有相似兴趣爱好的用户分配到相同的簇中，聚类产生之后，根据簇中其他用户对商品的评价来预测目标用户对商品的评价，从而实现对目标用户的推荐。当用户聚类中的用户具有相同的访问习惯和购物兴趣时，可依此对他们提供相同的个性化服务。

目前与基于商品网络连接图的商品簇划分研究的相关技术主要分为个性化推荐系统和IBM的SystemG。

个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。和搜索引擎相比推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

SystemG是由IBM公司研发的针对大数据设计的集图计算工具、云计算为一体的综合性图系统。“G”代表图，无论是大型图还是小型图、静态图还是动态图、拓扑图还是语义图、属性图还是贝叶斯网络，它包括：图数据集、图可视化、图分析库、GraphMiddleware、网络科学分析工具(感知网络、感知分析、时空分析、行为学分析)。SystemG可以应用于多种情况，例如社交网络分析、网络异常检测、智慧商务、智慧星球、云计算、通信等。

商品推荐一直以来都是商家关注的话题，随着电子商务商家对商家，商家对客户，客户对客户等商业模式的不断完善，合理进行商品推荐可以帮助商家寻找到最优化的销售方式，使消费者更容易被推荐的商品所吸引，从而显著增加商品的销售量，获取更大的利润。然而现有的推荐方式仅仅关注于同类商品，根据用户对商品的浏览情况推荐相同品牌的类似商品，或是不同品牌的同类产品，并不能很好的符合用户的购买需求，需要一种新的推荐方式解决这一问题。