[发明专利]一种基于用户聚类的推荐方法

说明书

技术领域

本发明涉及互联网信息技术领域，具体涉及一种基于用户聚类的推荐方法。

背景技术

社交网络随着Internet用户的普及已经逐渐替代传统的信息获取渠道，如报纸，杂志，电视新闻等，成长为大多数人第一时间接收信息的一种方式。例如国外的facebook，twitter，国内的微博，人人网等。大家通过发消息与状态，发布自己所要表达的信息，通过转发与分享其他人的消息与状态，去扩散从其他人那里得到的信息。这涉及到结点影响度的问题，即一个被所有人关注的结点，它所发布的信息能被所有人看到，一个关注所有人的结点，它能看到所有人发布的信息。当然，个人的精力是有限的，不可能通过自己去寻找，然后手动的关注所有可能会感兴趣的内容或结点。所以互联网信息服务方需要研究如何去有效的向用户推荐他们会感兴趣的内容或结点。

于洪等人提出的强弱关系概念，诠释了社交网络中的关注形式。人人网，QQ空间等形式，以双向关注(强关系)的方式来构建起社交网络；微博等形式，以单向关注(弱关系)的方式构建起自己的关系网。对于互关注关系的推荐，在强关系的社交网络中，通过共同好友、联系人、通讯录等真实社交信息的方法通常就达到很好的效果，然而正是由于强关系往往会建立于真实的社会关系，如此一来，相比弱关系便存在很大的局限性，因为如果无法与某个结点建立关系就不能看到它所发布的动态，这就显得不太合理。有些人喜欢发布信息，这类结点便成为了网络中消息的发布者，他们发布的显然要比他们订阅的多，有些人喜欢接受信息，这些人作为订阅者接收信息多于发布信息，所以这样一种不平衡如果建立于强关系的话就十分的不合理，因此基于弱关系的社交网络形式应运而生，大家各取所需。

参考文献：于洪，杨显.微博中节点影响力度量与传播路径模式研究[J].通信学报，2012，33(Z1)：96～97；Chen J,Geyer W,Dugan C,Muller M,Guy I.Make new friends,but keep the old:Recommending people on social networking sites//Proceedings of the 27th International Conference on Human Factors in Computing Systems.New York,NY,USA,2009:201～210；陈克寒，韩盼盼，吴健.基于用户聚类的异构社交网络推荐算法[J].计算机学报，2013，36(2)：350～351；Mislove Alan,Marcon Massimiliano,Gummadi Krishna P,Druschel Peter,Bhattacharjee Bobby.Measurement and analysis of online social networks//Proceedings of the 7th ACM SIGCOMM Conference on Internet Measurement.San Diego,CA,USA,2007:29～42；刘枚莲，刘同存，李小龙.基于用户兴趣特征提取的推荐算法研究[J].计算机应用研究，2011，28(5)：1665～1666.

关于这类推荐问题，有学者也进行了充分的研究。协同过滤推荐算法最早是由Goldberg等人提出的，但该系统没有充分考虑用户需求，存在一定缺陷。针对这一问题，GroupLens首次提出基于用户评分的自动协同过滤推荐系统。协同过滤推荐算法是应用最为广泛的推荐算法，由于提出比较早，所以存在不少缺陷，后期又出现了基于内容的推荐算法，通过比较项目与用户描述文件来为用户提供推荐服务；基于关联规则的推荐算法主要是根据关联规则模型和用户当前的购买行为为用户提供推荐服务。

现有的研究成果表明，研究提供一种合理的推荐方式是十分必要的。