[发明专利]一种基于聚类的网络结构相似性推荐方法

说明书

一种基于聚类的网络结构相似性推荐方法，包括以下步骤：步骤1：在数据库中标记用户形成集合；步骤2：在集合User中选择k个用户作为聚类中心，形成集合UC＝{uc₁，uc₂，…uc_k}，uc_k代表一个聚类中心用户；步骤3：初始化k个聚类集合C＝{c₁，c₂，c₃…c_k}，所述c_k代表包含有用户聚类中心uc_k和与uc_k相似度高的其他用户的集合；步骤4：计算用户u_n与聚类中心uc_k的相似度，将用户u_n归类为某一聚类集合c_k中；步骤5：计算每个聚类c_k中每种产品被购买的次数，将数量大于阀值b*n的产品标记出来作为特征商品；步骤6：计算需要推荐的用户U_i与每个聚类中心的相似性，将U_i归为某一聚类c_k中；步骤7：计算U_i与c_k特征向量的值，得出推荐列表。本发明提出了一种精度较高、计算时间较短的基于聚类的网络结构相似性推荐方法。

技术领域

本发明涉及一种信息处理技术的算法，特别涉及一种基于聚类网络结构相似性推荐方法。

背景技术

现代社会中物质资源极大丰富，人民生活水平极大提高，市面上有着各种各样的物质产品和文化产品。每个人的喜好各不相同，每个人都想要找到自己喜爱的产品，个性化的服务正越来越成为人们关注的焦点，越来越多的研究者也加入到了研究个性化推荐算法的领域中来。个性化服务主要是是向用户推荐其可能感兴趣、或者将会购买的产品的信息，使得用户能够快速的找到其兴趣点。

研究网络数据的推荐算法，已经成为国内数据挖掘热点，也产生了很多推荐算法。陈克寒等在论文《基于用户聚类的异构社交网络推荐算法》中提出了一种处理冷启动和数据稀疏性的推荐算法GCCR。在《多维加权社会网络中的个性化推荐算法》的论文中张华青等使用加权网络不但建立了用户和商品的关系网还建立了用户和用户的关系网。在论文《基于项目聚类的协同过滤推荐算法》邓爱林等提出了一种根据用户评分项判断产品相似性的聚类推荐算法。现有聚类推荐方式存在的技术缺陷：精度低、计算时间长。

发明内容

为了克服传统推荐方法的精度较低、计算时间较长的不足，本发明提出了一种精度较高、计算时间较短的基于聚类的网络结构相似性推荐方法。

本发明解决其技术问题所采用的技术方案是：

一种基于聚类的网络结构相似性推荐方法，所述推荐方法包括以下步骤：

步骤1：在数据库中标记用户形成集合User＝{u₁,u₂,u₃…u_n}；

步骤2：在集合User中选择k个用户作为聚类中心，形成集合UC＝{uc₁,uc₂,…uc_k}，所述uc_k代表一个聚类中心用户；

步骤3：初始化k个聚类集合C＝{c₁,c₂,c₃…c_k}，所述c_k代表包含有用户聚类中心uc_k和与uc_k相似度高的其他用户的集合；

步骤4：计算用户u_n与聚类中心uc_k的相似度，将用户u_n归类为某一聚类集合c_k中；