一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)，其中，所述方法包括：獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)所述用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果；根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度；根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各用戶之間興趣相似度；根據(jù)所述聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。在本發(fā)明實(shí)施例中，通過社區(qū)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)用戶進(jìn)行信息內(nèi)容個(gè)性化推薦，使用戶得到較好的使用體驗(yàn)感。
【專利說明】
一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明設(shè)計(jì)網(wǎng)絡(luò)內(nèi)容推薦技術(shù)領(lǐng)域，尤其涉及一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)?！颈尘凹夹g(shù)】
[0002]在社區(qū)網(wǎng)絡(luò)中用戶面對(duì)眾多繁雜的信息和資源，如何快速便捷地獲得自己感興趣的信息是非常重要的；然而現(xiàn)在的社區(qū)網(wǎng)絡(luò)技術(shù)高速發(fā)展的情況下，用戶很難獲取到社區(qū)網(wǎng)絡(luò)對(duì)用戶進(jìn)行的精確的信息推送，社區(qū)網(wǎng)絡(luò)向用戶推送的信息大部份都不是用戶感興趣的或是想要的信息。[〇〇〇3] 社區(qū)網(wǎng)絡(luò)分析(social network analysis，SNA)用于測(cè)量行動(dòng)者個(gè)體及他們所處的社區(qū)網(wǎng)絡(luò)成員之間的錯(cuò)綜復(fù)雜關(guān)系，對(duì)成群成員之間的通信模式進(jìn)行可視化建模，且有利于對(duì)大型社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)的理解。SNA方法能夠讓研究者“透視”般地看到社區(qū)網(wǎng)絡(luò)中用戶之間的互動(dòng)，看到他們創(chuàng)建的相互連接的形式。
【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)，通過社區(qū)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)用戶進(jìn)行信息內(nèi)容個(gè)性化推薦，使用戶得到較好的使用體驗(yàn)感。
[0005]為了解決上述技術(shù)問題，本發(fā)明提供了一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法，所述方法包括:
[0006]獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)所述用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果；
[0007]根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度；
[0008]根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各用戶之間興趣相似度；
[0009]根據(jù)所述聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。
[0010]優(yōu)選地，所述獲取訪問社區(qū)網(wǎng)絡(luò)的用戶，包括:
[0011]獲取訪問所述社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;所述用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng)；
[0012]以訪問時(shí)間限定的方式對(duì)所述用戶信息進(jìn)行過濾，獲取最近一年訪問所述社區(qū)網(wǎng)絡(luò)的用戶信息。
[0013]優(yōu)選地，所述對(duì)所述用戶信息進(jìn)行聚類處理，包括:
[0014]對(duì)所述用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣；
[0015]根據(jù)所述用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果。
[0016]優(yōu)選地，所述根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度，包括:
[0017]確定所述用戶信息聚類結(jié)果的聚類中心，獲取所述聚類中心周圍聚集的用戶；
[0018]采用用戶隸屬矩陣對(duì)所述聚類中心周圍聚集的用戶進(jìn)行處理，獲取各用戶在聚類中心的隸屬度。
[0019]優(yōu)選地，根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各用戶之間興趣相似度，包括:
[0020]獲取所述聚類中各用戶之間隸屬度權(quán)重，采用所述隸屬度權(quán)重計(jì)算所述聚類中各用戶之間興趣相似度。
[0021]另外，本發(fā)明實(shí)施例還提供了一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送系統(tǒng)，所述系統(tǒng)包括:
[0022]聚類模塊:用于獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)所述用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果；
[0023]隸屬度獲取模塊:用于根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度；
[0024]興趣相似度獲取模塊:用于根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各用戶之間興趣相似度；
[0025]推送模塊:用于根據(jù)所述聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。[〇〇26]優(yōu)選地，所述聚類模塊包括:
[0027]信息獲取單元:用于獲取訪問所述社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;所述用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng)；
[0028]信息過濾單元:用于以訪問時(shí)間限定的方式對(duì)所述用戶信息進(jìn)行過濾，獲取最近一年訪問所述社區(qū)網(wǎng)絡(luò)的用戶信息。[〇〇29]優(yōu)選地，所述聚類模塊還包括:
[0030]信息提取單元:用于對(duì)所述用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣；
[0031]聚類單元:用于根據(jù)所述用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果。
[0032]優(yōu)選地，所述隸屬度獲取模塊包括:
[0033]聚類中心確定單元:用于確定所述用戶信息聚類結(jié)果的聚類中心，獲取所述聚類中心周圍聚集的用戶；[〇〇34]隸屬度獲取單元:用于采用用戶隸屬矩陣對(duì)所述聚類中心周圍聚集的用戶進(jìn)行處理，獲取各用戶在聚類中心的隸屬度。
[0035]優(yōu)選地，所述興趣相似度獲取模塊包括:
[0036]計(jì)算單元:用于獲取所述聚類中各用戶之間隸屬度權(quán)重，采用所述隸屬度權(quán)重計(jì)算所述聚類中各用戶之間興趣相似度。
[0037]在本發(fā)明實(shí)施例中，通過用戶聚類等方式，計(jì)算在該聚類中用戶之間的興趣相似度，根據(jù)在該聚類中用戶之間的興趣相似度向用戶進(jìn)行信息推送;社區(qū)網(wǎng)絡(luò)即可實(shí)現(xiàn)對(duì)用戶進(jìn)行信息內(nèi)容個(gè)性化推薦，使用戶得到較好的使用體驗(yàn)感?！靖綀D說明】
[0038]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見的，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。
[0039]圖1是本發(fā)明實(shí)施例中的基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法的方法流程示意圖；
[0040]圖2是本發(fā)明實(shí)施例中的基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送系統(tǒng)的系統(tǒng)結(jié)構(gòu)組成示意圖?！揪唧w實(shí)施方式】
[0041]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0042]圖1是本發(fā)明實(shí)施例中的基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法的方法流程示意圖，如圖1所示，該方法包括:[〇〇43]S11:獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)該用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果；
[0044]S123:根據(jù)該用戶信息聚類結(jié)果，獲取該聚類中各用戶之間的隸屬度；
[0045]S13:根據(jù)該聚類中各用戶之間的隸屬度，獲取該聚類中各用戶之間興趣相似度；
[0046]S14:根據(jù)該聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。[〇〇47] 對(duì)S11作進(jìn)一步進(jìn)行說明:
[0048]獲取訪問該社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;該用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng)；以訪問時(shí)間限定的方式對(duì)該用戶信息進(jìn)行過濾，獲取最近一年訪問所述社區(qū)網(wǎng)絡(luò)的用戶信息。
[0049]對(duì)該用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣;根據(jù)該用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果。
[0050]進(jìn)一步的，通過管理員權(quán)限或其他的方式對(duì)社區(qū)網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)庫(kù)進(jìn)行處理，獲取訪問該社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;該用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng);在獲取訪問該社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息之后，對(duì)這些用戶信息進(jìn)行以訪問時(shí)間為順序的排序列表，根據(jù)該排序列表對(duì)這些用戶以訪問時(shí)間限定的方式進(jìn)行用戶信息過濾，訪問限定時(shí)間可以根據(jù)用戶的需求而設(shè)定，在本發(fā)明實(shí)施例中采用一年的間隔時(shí)間作為過濾時(shí)間進(jìn)行用戶信息過濾，從而獲取到最近一年訪問該社區(qū)網(wǎng)絡(luò)的用戶信息。
[0051]對(duì)過濾獲取到的用戶信息進(jìn)行信息分離，將用戶信息至少分離為用戶名、用戶訪問日志和用戶興趣等信息，然后對(duì)這些用戶信息進(jìn)行提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣。最后根據(jù)該用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶聚類結(jié)果；因?yàn)榫垲愃惴ㄝ^多，包括K-MEANS、K-MEDOIDS、 Clara和Clarans等聚類算法，在本實(shí)施例中，采用K-MEANS聚類算法，K-MEANS聚類算法的基本思想為:以空間中k個(gè)對(duì)象做為中心進(jìn)行歸類，把對(duì)象空間中最靠近各個(gè)中心的對(duì)象分別歸為一類，通過多次迭代的方式，將各聚類質(zhì)心的值逐次計(jì)算更新，直至聚簇質(zhì)心穩(wěn)定不變。[〇〇52] 對(duì)S12作進(jìn)一步說明:
[0053]確定該用戶信息聚類結(jié)果的聚類中心，獲取該聚類中心周圍聚集的用戶；采用用戶隸屬矩陣對(duì)所述聚類中心周圍聚集的用戶進(jìn)行處理，獲取各用戶在聚類中心的隸屬度。 [〇〇54]進(jìn)一步的，在聚類完成之后根據(jù)用戶訪問日志、用戶相互之間的興趣相似性較高的用戶作為聚類中心，并根據(jù)該聚類中心為中心的，周圍的用戶的情況，從而獲得該聚類中心周圍聚集的用戶；初始化用戶隸屬矩陣，采用〇到1之間的隨機(jī)數(shù)進(jìn)行初始化用戶隸屬矩陣U= {ui，U2，"_，un}，其中Uj=(Ulj，U2j，…，Ucj)T，Uij表示某用戶j在第i類中的隸屬度，從而獲取個(gè)用戶在聚類中心的相互隸屬度。
[0055]對(duì)S13作進(jìn)一步說明:
[0056]根據(jù)該聚類中各用戶之間的隸屬度，獲取該聚類中各用戶之間興趣相似度具體是獲取該聚類中各用戶之間隸屬度權(quán)重，采用該隸屬度權(quán)重計(jì)算該聚類中各用戶之間興趣相似度。
[0057]進(jìn)一步的，根據(jù)隸屬度轉(zhuǎn)化為該聚類中各用戶之間隸屬度權(quán)重然后采用該隸屬度權(quán)重計(jì)算該聚類中個(gè)用戶之間的興趣相似度，采用隸屬度乘以一個(gè)系數(shù)的方式計(jì)算該聚類中個(gè)用戶之間的興趣相似度;該系數(shù)可以根據(jù)用戶實(shí)際需求而定。[〇〇58] 對(duì)S14作進(jìn)一步說明:
[0059]通過分析目標(biāo)用戶與聚類中各用戶之間的興趣相似度，將于目標(biāo)用戶興趣相似度較高的用戶感興趣的信息或Web內(nèi)容對(duì)目標(biāo)用戶進(jìn)行個(gè)性化推送。
[0060]圖2是本發(fā)明實(shí)施例中的基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送系統(tǒng)的系統(tǒng)結(jié)構(gòu)組成示意圖，如圖2所示，該系統(tǒng)包括:
[0061]聚類模塊11:用于獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)該用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果；
[0062]隸屬度獲取模塊12:用于根據(jù)該用戶信息聚類結(jié)果，獲取該聚類中各用戶之間的隸屬度；
[0063]興趣相似度獲取模塊13:用于根據(jù)該聚類中各用戶之間的隸屬度，獲取該聚類中各用戶之間興趣相似度；
[0064]推送模塊14:用于根據(jù)該聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。[〇〇65]優(yōu)選地，該聚類模塊11包括:
[0066]信息獲取單元:用于獲取訪問該社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息；該用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng)；
[0067]信息過濾單元:用于以訪問時(shí)間限定的方式對(duì)該用戶信息進(jìn)行過濾，獲取最近一年訪問該社區(qū)網(wǎng)絡(luò)的用戶信息。
[0068] 優(yōu)選地，該聚類模塊11還包括:
[0069]信息提取單元:用于對(duì)該用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣；
[0070]聚類單元:用于根據(jù)該用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶信息聚類結(jié)果。
[0071]優(yōu)選地，該隸屬度獲取模塊12包括:
[0072]聚類中心確定單元:用于確定該用戶信息聚類結(jié)果的聚類中心，獲取該聚類中心周圍聚集的用戶；[〇〇73]隸屬度獲取單元:用于采用用戶隸屬矩陣對(duì)該聚類中心周圍聚集的用戶進(jìn)行處理，獲取各用戶在聚類中心的隸屬度。
[0074]優(yōu)選地，該興趣相似度獲取模塊13包括:
[0075]計(jì)算單元:用于獲取該聚類中各用戶之間隸屬度權(quán)重，采用該隸屬度權(quán)重計(jì)算該聚類中各用戶之間興趣相似度。
[0076]具體地，本發(fā)明實(shí)施例的系統(tǒng)相關(guān)功能模塊的工作原理可參見方法實(shí)施例的相關(guān)描述，這里不再贅述。
[0077]在本發(fā)明實(shí)施例中，通過用戶聚類等方式，計(jì)算在該聚類中用戶之間的興趣相似度，根據(jù)在該聚類中用戶之間的興趣相似度向用戶進(jìn)行信息推送;社區(qū)網(wǎng)絡(luò)即可實(shí)現(xiàn)對(duì)用戶進(jìn)行信息內(nèi)容個(gè)性化推薦，使用戶得到較好的使用體驗(yàn)感。[〇〇78]本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括:只讀存儲(chǔ)器(R〇M，Read Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁盤或光盤等。[〇〇79]另外，以上對(duì)本發(fā)明實(shí)施例所提供的一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)采用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述， 以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在【具體實(shí)施方式】及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。
【主權(quán)項(xiàng)】
1.一種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送方法，其特征在于，所述方法包括:獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)所述用戶信息進(jìn)行聚類處理，獲取用戶信息聚類結(jié) 果；根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度；根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各用戶之間興趣相似度；根據(jù)所述聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。2.根據(jù)權(quán)利要求1所述的內(nèi)容個(gè)性化推送方法，其特征在于，所述獲取訪問社區(qū)網(wǎng)絡(luò)的 用戶，包括:獲取訪問所述社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;所述用戶信息至少包括用戶訪問日志 或用戶興趣內(nèi)容中的任意一項(xiàng)；以訪問時(shí)間限定的方式對(duì)所述用戶信息進(jìn)行過濾，獲取最近一年訪問所述社區(qū)網(wǎng)絡(luò)的用戶信息。3.根據(jù)權(quán)利要求1所述的內(nèi)容個(gè)性化推送方法，其特征在于，所述對(duì)所述用戶信息進(jìn)行 聚類處理，包括:對(duì)所述用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日 志和用戶興趣；根據(jù)所述用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處理，獲取用戶信 息聚類結(jié)果。4.根據(jù)權(quán)利要求1所述的內(nèi)容個(gè)性化推送方法，其特征在于，所述根據(jù)所述用戶信息聚 類結(jié)果，獲取所述聚類中各用戶之間的隸屬度，包括:確定所述用戶信息聚類結(jié)果的聚類中心，獲取所述聚類中心周圍聚集的用戶；采用用戶隸屬矩陣對(duì)所述聚類中心周圍聚集的用戶進(jìn)行處理，獲取各用戶在聚類中心 的隸屬度。5.根據(jù)權(quán)利要求1所述的內(nèi)容個(gè)性化推送方法，其特征在于，根據(jù)所述聚類中各用戶之 間的隸屬度，獲取所述聚類中各用戶之間興趣相似度，包括:獲取所述聚類中各用戶之間隸屬度權(quán)重，采用所述隸屬度權(quán)重計(jì)算所述聚類中各用戶 之間興趣相似度。6.—種基于社區(qū)網(wǎng)絡(luò)的內(nèi)容個(gè)性化推送系統(tǒng)，其特征在于，所述系統(tǒng)包括:聚類模塊:用于獲取訪問社區(qū)網(wǎng)絡(luò)的用戶信息，對(duì)所述用戶信息進(jìn)行聚類處理，獲取用 戶信息聚類結(jié)果；隸屬度獲取模塊:用于根據(jù)所述用戶信息聚類結(jié)果，獲取所述聚類中各用戶之間的隸屬度；興趣相似度獲取模塊:用于根據(jù)所述聚類中各用戶之間的隸屬度，獲取所述聚類中各 用戶之間興趣相似度；推送模塊:用于根據(jù)所述聚類中各用戶之間興趣相似度向目標(biāo)用戶進(jìn)行內(nèi)容個(gè)性化推送。7.根據(jù)權(quán)利要求6所述的內(nèi)容個(gè)性化推送系統(tǒng)，其特征在于，所述聚類模塊包括:信息獲取單元:用于獲取訪問所述社區(qū)網(wǎng)絡(luò)的所有用戶的用戶信息;所述用戶信息至少包括用戶訪問日志或用戶興趣內(nèi)容中的任意一項(xiàng)；信息過濾單元:用于以訪問時(shí)間限定的方式對(duì)所述用戶信息進(jìn)行過濾，獲取最近一年 訪問所述社區(qū)網(wǎng)絡(luò)的用戶信息。8.根據(jù)權(quán)利要求6所述的內(nèi)容個(gè)性化推送系統(tǒng)，其特征在于，所述聚類模塊還包括: 信息提取單元:用于對(duì)所述用戶信息進(jìn)行信息提取處理，獲取用戶信息中的至少包括用戶名、用戶訪問日志和用戶興趣；聚類單元:用于根據(jù)所述用戶信息中的用戶名、用戶訪問日志和用戶興趣進(jìn)行聚類處 理，獲取用戶信息聚類結(jié)果。9.根據(jù)權(quán)利要求6所述的內(nèi)容個(gè)性化推送系統(tǒng)，其特征在于，所述隸屬度獲取模塊包 括:聚類中心確定單元:用于確定所述用戶信息聚類結(jié)果的聚類中心，獲取所述聚類中心 周圍聚集的用戶；隸屬度獲取單元:用于采用用戶隸屬矩陣對(duì)所述聚類中心周圍聚集的用戶進(jìn)行處理， 獲取各用戶在聚類中心的隸屬度。10.根據(jù)權(quán)利要求6所述的內(nèi)容個(gè)性化推送系統(tǒng)，其特征在于，所述興趣相似度獲取模 塊包括:計(jì)算單元:用于獲取所述聚類中各用戶之間隸屬度權(quán)重，采用所述隸屬度權(quán)重計(jì)算所 述聚類中各用戶之間興趣相似度。
【文檔編號(hào)】G06Q50/00GK106095987SQ201610451961
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月20日
【發(fā)明人】陳小燕, 薛凱軍, 吳銳凱
【申請(qǐng)人】廣州中大電訊科技有限公司