[发明专利]一种基于社会网络结构的并行推荐方法

摘要

一种基于社会网络结构的并行推荐方法，包括如下步骤：1)根据活跃节点选择策略，选取k个活跃节点作为中心节点；2)以k个中心节点为初始聚类中心，对剩余的所有节点进行聚类，将所有节点划分为以k个中心节点为中心的k个社区；3)根据上一步得到的k个社区，使用SimRank算法分别计算每个社区内所有用户间的相似度；4)计算与某用户最为相似的用户列表；5)重复4)得到任意用户的相似用户列表；6)对于目标用户，分析其相似用户列表中用户的兴趣喜好对目标用户进行个性化推荐。本发明提供一种有效性良好、在大数据集下具有较好的处理效率的基于社会网络结构的并行推荐方法。

主权项

1.一种基于社会网络结构的并行推荐方法，其特征在于：所述推荐方法包括如下步骤：1)根据活跃节点选择策略，选取k个活跃节点作为中心节点；2)以k个中心节点为初始聚类中心，对剩余的所有节点进行聚类，将所有节点划分为以k个中心节点为中心的k个社区；3)根据上一步得到的k个社区，使用SimRank算法分别计算每个社区内所有用户间的相似度，过程如下：3.1)节点p和节点q的相似性通过所有p的入邻居节点和q的入邻居节点之间的相似性的平均值来衡量，如果用s(p,q)表示节点p和节点q的相似性，那么SimRank的数学表达式写成如下形式：其中c是一个0‑1之间的常量，I(p)表示所有指向p的节点，或者称作节点p的入邻居节点；I(q)表示所有指向q的节点，或者称作节点q的入邻居节点，当或者时，s(p,q)＝03.2)假设第t次迭代的SimRank值为st(p,q)，SimRank值初始化为：然后通过式(1)迭代更新，第t次迭代的SimRank值st由t‑1次迭代的SimRank值st‑1通过式(1)得到，最终的迭代结果st也将收敛于(1)式中SimRank值，即：3.3)使用MapReduce并行框架进行处理，过程如下：3.3.1)预处理阶段图的边(p,in:a,b,...|out:i,j,...)，p表示图中的节点，in：后表示节点p的入邻居节点，out：后表示节点p的出邻居节点；在Map阶段，将输入的(p,q)转化为(p,out:q)和(q,in:p)；在Reduce阶段，将具有相同key值的记录进行整合，得到(p,in:a,b,...|out:i,j,...)，整个预处理阶段后形成的结果文件存放在分布式文件系统中，该文件描述了图的整个拓扑结构，用于后续SimRank计算阶段使用；3.3.2)SimRank迭代计算过程每一次迭代都通过一个MapReduce任务完成，每次迭代的输入就是上次迭代的输出；4)计算与某用户最为相似的用户列表；5)重复4)得到任意用户的相似用户列表；6)对于目标用户，分析其相似用户列表中用户的兴趣喜好对目标用户进行个性化推荐。