一种在线社交网络标注系统中的快速推荐方法

摘要

本发明公开了一种在线社交网络标注系统中的快速推荐方法，属于个性化推荐，数据挖掘领域。解决了传统算法或片面追求高准确率而忽略计算成本，或片面追求模型简单，计算迅速而忽略准确率和个性化的问题。本发明不需迭代到收敛的粗聚类算法其本质上是快速根据用户相似度指标将用户分成簇的过程，而基于用户的协同过滤推荐算法也是根据用户之间的相似度进行推荐，所以本发明可以保证高准确率和个性化；从而在保证准确率和个性化的前提下减少了计算的时间开销；在保证推荐系统中推荐算法准确性和个性化的基础上，降低了系统时间开销，同时具有高准确性，高个性化和低系统时间开销的特点。

主权项

一种在线社交网络标注系统中的快速推荐方法，包括下列步骤：步骤1：从数据库中读取用户、内容和标注的相关关系数据，其中“内容”表示用户关注过的信息或数据，“标注”表示用户在关注的内容上增加的相应的标注数据，并构建用户‑内容‑标注之间的联系，组成网络；步骤2：对用户‑内容‑标注网络进行粗聚类，将整个网络划分为多个用户簇及与之相关的内容簇；步骤3：根据获取的用户簇及与之相关的内容簇，在各用户簇及与之相关的内容簇内采用基于用户的协同过滤推荐方法，计算各用户的推荐列表；步骤4：将计算出的各用户的推荐列表存储到数据库，供在线系统使用。