一种基于社区网络的内容个性化推送方法及系统的制作方法
【专利摘要】本发明公开了一种基于社区网络的内容个性化推送方法及系统，其中，所述方法包括：获取访问社区网络的用户信息，对所述用户信息进行聚类处理，获取用户信息聚类结果；根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度；根据所述聚类中各用户之间的隶属度，获取所述聚类中各用户之间兴趣相似度；根据所述聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。在本发明实施例中，通过社区网络实现对用户进行信息内容个性化推荐，使用户得到较好的使用体验感。
【专利说明】
一种基于社区网络的内容个性化推送方法及系统
技术领域
[0001]本发明设计网络内容推荐技术领域，尤其涉及一种基于社区网络的内容个性化推送方法及系统。【背景技术】
[0002]在社区网络中用户面对众多繁杂的信息和资源，如何快速便捷地获得自己感兴趣的信息是非常重要的；然而现在的社区网络技术高速发展的情况下，用户很难获取到社区网络对用户进行的精确的信息推送，社区网络向用户推送的信息大部份都不是用户感兴趣的或是想要的信息。[〇〇〇3] 社区网络分析(social network analysis，SNA)用于测量行动者个体及他们所处的社区网络成员之间的错综复杂关系，对成群成员之间的通信模式进行可视化建模，且有利于对大型社区网络结构的理解。SNA方法能够让研究者“透视”般地看到社区网络中用户之间的互动，看到他们创建的相互连接的形式。
【发明内容】
[0004]本发明的目的在于克服现有技术的不足，本发明提供了一种基于社区网络的内容个性化推送方法及系统，通过社区网络实现对用户进行信息内容个性化推荐，使用户得到较好的使用体验感。
[0005]为了解决上述技术问题，本发明提供了一种基于社区网络的内容个性化推送方法，所述方法包括:
[0006]获取访问社区网络的用户信息，对所述用户信息进行聚类处理，获取用户信息聚类结果；
[0007]根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度；
[0008]根据所述聚类中各用户之间的隶属度，获取所述聚类中各用户之间兴趣相似度；
[0009]根据所述聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。
[0010]优选地，所述获取访问社区网络的用户，包括:
[0011]获取访问所述社区网络的所有用户的用户信息;所述用户信息至少包括用户访问日志或用户兴趣内容中的任意一项；
[0012]以访问时间限定的方式对所述用户信息进行过滤，获取最近一年访问所述社区网络的用户信息。
[0013]优选地，所述对所述用户信息进行聚类处理，包括:
[0014]对所述用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣；
[0015]根据所述用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户信息聚类结果。
[0016]优选地，所述根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度，包括:
[0017]确定所述用户信息聚类结果的聚类中心，获取所述聚类中心周围聚集的用户；
[0018]采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。
[0019]优选地，根据所述聚类中各用户之间的隶属度，获取所述聚类中各用户之间兴趣相似度，包括:
[0020]获取所述聚类中各用户之间隶属度权重，采用所述隶属度权重计算所述聚类中各用户之间兴趣相似度。
[0021]另外，本发明实施例还提供了一种基于社区网络的内容个性化推送系统，所述系统包括:
[0022]聚类模块:用于获取访问社区网络的用户信息，对所述用户信息进行聚类处理，获取用户信息聚类结果；
[0023]隶属度获取模块:用于根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度；
[0024]兴趣相似度获取模块:用于根据所述聚类中各用户之间的隶属度，获取所述聚类中各用户之间兴趣相似度；
[0025]推送模块:用于根据所述聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。[〇〇26]优选地，所述聚类模块包括:
[0027]信息获取单元:用于获取访问所述社区网络的所有用户的用户信息;所述用户信息至少包括用户访问日志或用户兴趣内容中的任意一项；
[0028]信息过滤单元:用于以访问时间限定的方式对所述用户信息进行过滤，获取最近一年访问所述社区网络的用户信息。[〇〇29]优选地，所述聚类模块还包括:
[0030]信息提取单元:用于对所述用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣；
[0031]聚类单元:用于根据所述用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户信息聚类结果。
[0032]优选地，所述隶属度获取模块包括:
[0033]聚类中心确定单元:用于确定所述用户信息聚类结果的聚类中心，获取所述聚类中心周围聚集的用户；[〇〇34]隶属度获取单元:用于采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。
[0035]优选地，所述兴趣相似度获取模块包括:
[0036]计算单元:用于获取所述聚类中各用户之间隶属度权重，采用所述隶属度权重计算所述聚类中各用户之间兴趣相似度。
[0037]在本发明实施例中，通过用户聚类等方式，计算在该聚类中用户之间的兴趣相似度，根据在该聚类中用户之间的兴趣相似度向用户进行信息推送;社区网络即可实现对用户进行信息内容个性化推荐，使用户得到较好的使用体验感。【附图说明】
[0038]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0039]图1是本发明实施例中的基于社区网络的内容个性化推送方法的方法流程示意图；
[0040]图2是本发明实施例中的基于社区网络的内容个性化推送系统的系统结构组成示意图。【具体实施方式】
[0041]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0042]图1是本发明实施例中的基于社区网络的内容个性化推送方法的方法流程示意图，如图1所示，该方法包括:[〇〇43]S11:获取访问社区网络的用户信息，对该用户信息进行聚类处理，获取用户信息聚类结果；
[0044]S123:根据该用户信息聚类结果，获取该聚类中各用户之间的隶属度；
[0045]S13:根据该聚类中各用户之间的隶属度，获取该聚类中各用户之间兴趣相似度；
[0046]S14:根据该聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。[〇〇47] 对S11作进一步进行说明:
[0048]获取访问该社区网络的所有用户的用户信息;该用户信息至少包括用户访问日志或用户兴趣内容中的任意一项；以访问时间限定的方式对该用户信息进行过滤，获取最近一年访问所述社区网络的用户信息。
[0049]对该用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣;根据该用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户信息聚类结果。
[0050]进一步的，通过管理员权限或其他的方式对社区网络内的数据库进行处理，获取访问该社区网络的所有用户的用户信息;该用户信息至少包括用户访问日志或用户兴趣内容中的任意一项;在获取访问该社区网络的所有用户的用户信息之后，对这些用户信息进行以访问时间为顺序的排序列表，根据该排序列表对这些用户以访问时间限定的方式进行用户信息过滤，访问限定时间可以根据用户的需求而设定，在本发明实施例中采用一年的间隔时间作为过滤时间进行用户信息过滤，从而获取到最近一年访问该社区网络的用户信息。
[0051]对过滤获取到的用户信息进行信息分离，将用户信息至少分离为用户名、用户访问日志和用户兴趣等信息，然后对这些用户信息进行提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣。最后根据该用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户聚类结果；因为聚类算法较多，包括K-MEANS、K-MEDOIDS、 Clara和Clarans等聚类算法，在本实施例中，采用K-MEANS聚类算法，K-MEANS聚类算法的基本思想为:以空间中k个对象做为中心进行归类，把对象空间中最靠近各个中心的对象分别归为一类，通过多次迭代的方式，将各聚类质心的值逐次计算更新，直至聚簇质心稳定不变。[〇〇52] 对S12作进一步说明:
[0053]确定该用户信息聚类结果的聚类中心，获取该聚类中心周围聚集的用户；采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。 [〇〇54]进一步的，在聚类完成之后根据用户访问日志、用户相互之间的兴趣相似性较高的用户作为聚类中心，并根据该聚类中心为中心的，周围的用户的情况，从而获得该聚类中心周围聚集的用户；初始化用户隶属矩阵，采用〇到1之间的随机数进行初始化用户隶属矩阵U= {ui，U2，"_，un}，其中Uj=(Ulj，U2j，…，Ucj)T，Uij表示某用户j在第i类中的隶属度，从而获取个用户在聚类中心的相互隶属度。
[0055]对S13作进一步说明:
[0056]根据该聚类中各用户之间的隶属度，获取该聚类中各用户之间兴趣相似度具体是获取该聚类中各用户之间隶属度权重，采用该隶属度权重计算该聚类中各用户之间兴趣相似度。
[0057]进一步的，根据隶属度转化为该聚类中各用户之间隶属度权重然后采用该隶属度权重计算该聚类中个用户之间的兴趣相似度，采用隶属度乘以一个系数的方式计算该聚类中个用户之间的兴趣相似度;该系数可以根据用户实际需求而定。[〇〇58] 对S14作进一步说明:
[0059]通过分析目标用户与聚类中各用户之间的兴趣相似度，将于目标用户兴趣相似度较高的用户感兴趣的信息或Web内容对目标用户进行个性化推送。
[0060]图2是本发明实施例中的基于社区网络的内容个性化推送系统的系统结构组成示意图，如图2所示，该系统包括:
[0061]聚类模块11:用于获取访问社区网络的用户信息，对该用户信息进行聚类处理，获取用户信息聚类结果；
[0062]隶属度获取模块12:用于根据该用户信息聚类结果，获取该聚类中各用户之间的隶属度；
[0063]兴趣相似度获取模块13:用于根据该聚类中各用户之间的隶属度，获取该聚类中各用户之间兴趣相似度；
[0064]推送模块14:用于根据该聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。[〇〇65]优选地，该聚类模块11包括:
[0066]信息获取单元:用于获取访问该社区网络的所有用户的用户信息；该用户信息至少包括用户访问日志或用户兴趣内容中的任意一项；
[0067]信息过滤单元:用于以访问时间限定的方式对该用户信息进行过滤，获取最近一年访问该社区网络的用户信息。
[0068] 优选地，该聚类模块11还包括:
[0069]信息提取单元:用于对该用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣；
[0070]聚类单元:用于根据该用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户信息聚类结果。
[0071]优选地，该隶属度获取模块12包括:
[0072]聚类中心确定单元:用于确定该用户信息聚类结果的聚类中心，获取该聚类中心周围聚集的用户；[〇〇73]隶属度获取单元:用于采用用户隶属矩阵对该聚类中心周围聚集的用户进行处理，获取各用户在聚类中心的隶属度。
[0074]优选地，该兴趣相似度获取模块13包括:
[0075]计算单元:用于获取该聚类中各用户之间隶属度权重，采用该隶属度权重计算该聚类中各用户之间兴趣相似度。
[0076]具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关描述，这里不再赘述。
[0077]在本发明实施例中，通过用户聚类等方式，计算在该聚类中用户之间的兴趣相似度，根据在该聚类中用户之间的兴趣相似度向用户进行信息推送;社区网络即可实现对用户进行信息内容个性化推荐，使用户得到较好的使用体验感。[〇〇78]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括:只读存储器(R〇M，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。[〇〇79]另外，以上对本发明实施例所提供的一种基于社区网络的内容个性化推送方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述， 以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
【主权项】
1.一种基于社区网络的内容个性化推送方法，其特征在于，所述方法包括:获取访问社区网络的用户信息，对所述用户信息进行聚类处理，获取用户信息聚类结 果；根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度；根据所述聚类中各用户之间的隶属度，获取所述聚类中各用户之间兴趣相似度；根据所述聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。2.根据权利要求1所述的内容个性化推送方法，其特征在于，所述获取访问社区网络的 用户，包括:获取访问所述社区网络的所有用户的用户信息;所述用户信息至少包括用户访问日志 或用户兴趣内容中的任意一项；以访问时间限定的方式对所述用户信息进行过滤，获取最近一年访问所述社区网络的用户信息。3.根据权利要求1所述的内容个性化推送方法，其特征在于，所述对所述用户信息进行 聚类处理，包括:对所述用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日 志和用户兴趣；根据所述用户信息中的用户名、用户访问日志和用户兴趣进行聚类处理，获取用户信 息聚类结果。4.根据权利要求1所述的内容个性化推送方法，其特征在于，所述根据所述用户信息聚 类结果，获取所述聚类中各用户之间的隶属度，包括:确定所述用户信息聚类结果的聚类中心，获取所述聚类中心周围聚集的用户；采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理，获取各用户在聚类中心 的隶属度。5.根据权利要求1所述的内容个性化推送方法，其特征在于，根据所述聚类中各用户之 间的隶属度，获取所述聚类中各用户之间兴趣相似度，包括:获取所述聚类中各用户之间隶属度权重，采用所述隶属度权重计算所述聚类中各用户 之间兴趣相似度。6.—种基于社区网络的内容个性化推送系统，其特征在于，所述系统包括:聚类模块:用于获取访问社区网络的用户信息，对所述用户信息进行聚类处理，获取用 户信息聚类结果；隶属度获取模块:用于根据所述用户信息聚类结果，获取所述聚类中各用户之间的隶属度；兴趣相似度获取模块:用于根据所述聚类中各用户之间的隶属度，获取所述聚类中各 用户之间兴趣相似度；推送模块:用于根据所述聚类中各用户之间兴趣相似度向目标用户进行内容个性化推送。7.根据权利要求6所述的内容个性化推送系统，其特征在于，所述聚类模块包括:信息获取单元:用于获取访问所述社区网络的所有用户的用户信息;所述用户信息至少包括用户访问日志或用户兴趣内容中的任意一项；信息过滤单元:用于以访问时间限定的方式对所述用户信息进行过滤，获取最近一年 访问所述社区网络的用户信息。8.根据权利要求6所述的内容个性化推送系统，其特征在于，所述聚类模块还包括: 信息提取单元:用于对所述用户信息进行信息提取处理，获取用户信息中的至少包括用户名、用户访问日志和用户兴趣；聚类单元:用于根据所述用户信息中的用户名、用户访问日志和用户兴趣进行聚类处 理，获取用户信息聚类结果。9.根据权利要求6所述的内容个性化推送系统，其特征在于，所述隶属度获取模块包 括:聚类中心确定单元:用于确定所述用户信息聚类结果的聚类中心，获取所述聚类中心 周围聚集的用户；隶属度获取单元:用于采用用户隶属矩阵对所述聚类中心周围聚集的用户进行处理， 获取各用户在聚类中心的隶属度。10.根据权利要求6所述的内容个性化推送系统，其特征在于，所述兴趣相似度获取模 块包括:计算单元:用于获取所述聚类中各用户之间隶属度权重，采用所述隶属度权重计算所 述聚类中各用户之间兴趣相似度。
【文档编号】G06Q50/00GK106095987SQ201610451961
【公开日】2016年11月9日
【申请日】2016年6月20日
【发明人】陈小燕, 薛凯军, 吴锐凯
【申请人】广州中大电讯科技有限公司