[发明专利]一种基于聚类的网络结构相似性推荐方法

摘要

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，…uck}，uck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…ck}，所述ck代表包含有用户聚类中心uck和与uck相似度高的其他用户的集合；步骤4：计算用户un与聚类中心uck的相似度，将用户un归类为某一聚类集合ck中；步骤5：计算每个聚类ck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Ui与每个聚类中心的相似性，将Ui归为某一聚类ck中；步骤7：计算Ui与ck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。

主权项

一种基于聚类的网络结构相似性推荐方法，其特征在于：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…un}；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,…uck}，所述uck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…ck}，所述ck代表包含有用户聚类中心uck和与uck相似度高的其他用户的集合；步骤4：计算用户un与聚类中心uck的相似度，将用户un归类为某一聚类集合ck中；步骤5：计算每个聚类ck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，b为0～1之间的预设系数；步骤6：计算需要推荐的用户Ui与每个聚类中心的相似性，将Ui归为某一聚类ck中；步骤7：计算Ui与ck特征向量的值，得出推荐列表。