[发明专利]用户聚类方法、数据聚类方法、装置、电子设备

说明书

本申请提供一种用于对社交应用中用户的聚类方法、一种数据聚类方法、装置、电子设备以及计算机存储介质，由于该聚类方法，在确定目标社交应用中的用户之后，基于目标社交应用中的用户，确定在超球面模型涉及的隐空间内用于对用户进行向量表示的用户隐向量，并基于用户隐向量，获得用户在超球面模型上混合分布的目标混合分布参数；根据目标混合分布参数，确定用户在超球面模型的各个簇分布的概率；基于用户在超球面模型的各个簇分布的概率，获得用户的聚类结果信息。由于该方法基于超球面模型作为整体框架，可以获得超球面模型中的不同簇的差异性。基于不同簇获得的用户在超球面模型的各个簇分布的概率，能够使得最终的用户的聚类结果更符合实际，聚类结果更为准确。

技术领域

本申请涉及计算机技术领域，具体涉及一种用户聚类方法、一种数据聚类方法，本申请还涉及一种数据聚类装置、一种电子设备以及一种计算机存储介质。

背景技术

现在大量的数据涌现到社会生活的各个领域，需要进行分类处理。其中图数据作为一种数据结构，可以表示社会生活中的很多可结构化的信息和数据。例如，在网络社交网中，如社交应用可以利用图节点表示已在社交应用上的用户，用节点之间的边来表示两个用户之间的关系，具有图节点与边的数据即为图数据（也可称之为网络图数据）的一种示例。

之所以采用网络图数据对对象（包括人或者物品等）进行表示，主要是便于对对象进行聚类或者分类。因此，如何采用网络图数据对社交应用中的用户分类成为当前亟需解决的技术问题。

发明内容

本申请提供一种用于对社交应用中用户的聚类方法，以解决如何采用网络图数据对社交应用中的用户聚类的技术问题。本申请还提供一种数据聚类方法、一种数据聚类装置，一种电子设备以及一种计算机存储介质。

本申请提供一种用于对社交应用中用户的聚类方法，包括：

确定目标社交应用中的用户；

基于所述目标社交应用中的用户，确定在超球面模型涉及的隐空间内用于对所述用户进行向量表示的用户隐向量；

基于所述用户隐向量，获得所述用户在所述超球面模型上混合分布的目标混合分布参数；

根据所述目标混合分布参数，确定所述用户在所述超球面模型的各个簇分布的概率；

基于所述用户在所述超球面模型的各个簇分布的概率，获得所述用户的聚类结果信息。

可选的，还包括：构建包含多个用户的网络图；

所述基于所述目标社交应用中的用户，确定在超球面模型涉及的隐空间内用于对所述用户进行向量表示的用户隐向量，包括：

基于所述网络图，确定在超球面模型涉及的隐空间内用于对所述用户进行向量表示的用户隐向量。

可选的，所述构建包含多个用户的网络图，包括：

将每个用户作为一个节点，将用户之间的关联关系作为节点之间的边，构建包含多个用户的网络图。

可选的，还包括：获得用户的属性信息；

所述将每个用户作为一个节点，将用户之间的关联关系作为节点之间的边，构建包含多个用户的网络图，包括：

将每个用户以及对应的用户的属性信息作为一个节点，将用户之间的关联关系作为节点之间的边，构建包含多个用户的网络图。

本申请提供一种数据聚类方法，包括：

获取待聚类的图结构化的数据点；

基于所述数据点，确定在超球面模型涉及的隐空间内用于对所述数据点进行向量表示的目标数据点隐向量；

基于所述目标数据点隐向量，获得所述数据点在所述超球面模型上混合分布的目标混合分布参数；