基于聚類融合算法的社交團(tuán)體發(fā)現(xiàn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于社交網(wǎng)絡(luò)團(tuán)體挖掘技術(shù)領(lǐng)域，涉及一種運(yùn)用聚類融合算法的判斷方 法，具體涉及一種基于聚類融合算法的社交團(tuán)體發(fā)現(xiàn)方法。
【背景技術(shù)】
[0002] "互聯(lián)網(wǎng)+"是互聯(lián)網(wǎng)思維的進(jìn)一步實(shí)踐成果，它代表一種先進(jìn)的生產(chǎn)力，推動經(jīng)濟(jì) 形態(tài)不斷的發(fā)生演變，從而帶動社會經(jīng)濟(jì)實(shí)體的生命力，為改革、發(fā)展、創(chuàng)新提供廣闊的網(wǎng) 絡(luò)平臺。
[0003] 現(xiàn)在，傳統(tǒng)的互聯(lián)網(wǎng)正在邁向全新的時代----社交服務(wù)網(wǎng)時代（Social NetworkingService)，從"人與機(jī)器"的時代邁向"人與人"的時代。個體的社交圈會不斷 地?cái)U(kuò)大和重疊并在最終形成大的社交網(wǎng)絡(luò)。社交網(wǎng)的一個顯著特點(diǎn)是支持巨大用戶數(shù)，例 如Facebook支持超過3億的用戶，其數(shù)據(jù)中心運(yùn)行著超過萬臺的服務(wù)器，為遍布全球的用 戶提供信息通訊服務(wù)。另外，任何兩個社交網(wǎng)用戶都可能交互，也就是必須支持任何兩個數(shù) 據(jù)庫用戶的數(shù)據(jù)關(guān)聯(lián)操作。這對于服務(wù)端的數(shù)據(jù)庫管理提出了極大的挑戰(zhàn)。
[0004] 云服務(wù)器（ElasticComputeService,簡稱ECS)是一種處理能力可彈性伸縮的 計(jì)算服務(wù)，其管理方式比物理服務(wù)器更簡單高效。云服務(wù)器幫助您快速構(gòu)建更穩(wěn)定、安全的 應(yīng)用，降低開發(fā)運(yùn)維的難度和整體IT成本，使您能夠更專注于核心業(yè)務(wù)的創(chuàng)新。目前，是做 的比較完善的生態(tài)系統(tǒng)。
[0005] 聚類融合算法的核心思想是通過把多個聚類算法融合，得出更準(zhǔn)確、更健壯的決 策。一方面，由于基聚類分別來自于不同基聚類算法，其聚類算法的初始化條件、參數(shù)設(shè)置， 甚至算法思想都各不相同，所以這些各不相同的基聚類都蘊(yùn)含數(shù)據(jù)集的一部分特征。通過 把這些各異的基聚類進(jìn)行融合，能有效地更全面地、更準(zhǔn)確地反映出數(shù)據(jù)集的真正特征。另 一方面，即使某些基聚類存在反映數(shù)據(jù)集的錯誤信息，但通過大量基聚類的正確信息修正， 能有效地得出更健壯的聚類決策。由于聚類融合算法這些優(yōu)良特點(diǎn)，目前在聚類算法研究 領(lǐng)域，聚類融合算法正在蓬勃地發(fā)展。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種基于聚類融合算法的社交團(tuán)體發(fā)現(xiàn)方法，針對復(fù)雜的社 交網(wǎng)絡(luò)數(shù)據(jù)，運(yùn)用聚類融合算法作為判斷準(zhǔn)則，然后對一系列未知的社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分 類，得到相應(yīng)的分類，讓市場人員能相應(yīng)的服務(wù)。
[0007] 本發(fā)明所采用的技術(shù)方案是，基于聚類融合算法的社交團(tuán)體發(fā)現(xiàn)方法，具體按照 以下步驟實(shí)施：
[0008] 步驟1:對于社交網(wǎng)路中的數(shù)據(jù)，根據(jù)基聚類算法分別得出相應(yīng)的采樣基聚類；
[0009] 步驟2 :對步驟1得到的每個采樣基聚類集進(jìn)行融合，得出候選基準(zhǔn)；
[0010] 步驟3 :對步驟2得到的候選基準(zhǔn)進(jìn)行篩選，評分最高的候選基準(zhǔn)作為最優(yōu)基準(zhǔn)；
[0011] 步驟4 :使用步驟3得到的最優(yōu)基準(zhǔn)對聚類質(zhì)量進(jìn)行評價。
[0012] 本發(fā)明的特點(diǎn)還在于，
[0013] 其中的步驟1具體按照以下步驟實(shí)施：
[0014] 假設(shè)有一個包含m個對象的數(shù)據(jù)集X，定義X={xdx2,…，xM}，在運(yùn)行N個基聚類 算法后，得到N個基聚類π，定義π= {jii,jt2，···，jtn}，然后，對π進(jìn)行融合聚類算法運(yùn) 算，得到融合聚類31 %定義Φ( 3〇,其中Φ是聚類融合函數(shù)；
[0015] 首先，對社交網(wǎng)絡(luò)用戶信息進(jìn)行采樣，利用社交平臺賬戶獲取平臺訪問權(quán)限，通過 設(shè)置初始任務(wù)集對目標(biāo)信息進(jìn)行定向獲?。?br>[0016] 其次，采用k-means作為候選基準(zhǔn)算法，先設(shè)定聚類個數(shù)，然后隨機(jī)設(shè)定初始化聚 類中心，生成多個基聚類；為了生成多樣性高的基聚類集，通過采樣器對基聚類集進(jìn)行采 樣，通過組合子基聚類集的方式，得到多個組差異化大的采樣基聚類基。
[0017] 其中的采樣器采樣的方式是隨機(jī)賭輪盤方式。
[0018] 其中的步驟2具體按照以下步驟實(shí)施：
[0019] 采用SLC算法來對融合聚類集進(jìn)行融合，得到候選基準(zhǔn)：
[0020] 候選基準(zhǔn)的評分定義如下：
[0021]
[0022] 其中，候選基準(zhǔn)為融合聚類為<和<，α為閾值。
[0023] 其中的當(dāng)融合聚類之間相似程度大于α?xí)r，評分為0,這時防止融合聚類之間的 相似性太大；當(dāng)融合聚類之間相似程度小于α?xí)r，評分由兩部分相加而成；第一部分是融 合聚類于候選基準(zhǔn)之間的相似程度，第二部分是融合聚類之間的相似程度；λ是兩部分之 間的權(quán)重；當(dāng)λ>0.5時，在評分中，第一部分比第二部分的權(quán)重大；當(dāng)λ<0.5時，在評 分中，第二部分比第一部分的權(quán)重大；當(dāng)λ=0.5時，在評分中，第二部分比第一部分的權(quán) 重相等；一般而言，選擇λ= 0. 5,即第二部分和第一部分占評分的權(quán)重一樣；據(jù)此，計(jì)算每 一個候選基準(zhǔn)的評分，評分最高的候選基準(zhǔn)作為最終的基準(zhǔn)；經(jīng)過篩選的基準(zhǔn)作為下一步 的最優(yōu)基準(zhǔn)使用，來評價聚類質(zhì)量。
[0024] 其中的步驟4具體按照以下步驟實(shí)施：
[0025] 利用上一步生成的最優(yōu)基準(zhǔn)，利用外在方法BCubed對聚類質(zhì)量進(jìn)行評價：給定基 準(zhǔn)31jPK個由不同聚類融合算法所得的融合聚類31 ={> 31 2，~31 k}，對每一個融合聚 類^，都可以得出一個質(zhì)量評價以^，;評分越高，代表該聚類融合算法得出來的融 合結(jié)果越好；
[0026] 假設(shè)有對象集合X= {Xl，x2，…，xn}，C是X的一個聚類，B是X的基準(zhǔn)；C(Xl) (1彡i彡η)表示\在C的類別，B(xJ(1彡i彡η)表示\在B的類別；對于兩個對象Xi 和Xj(1彡i,j彡n,i乒j)，xjPX」在聚類C的正確性的定義如下： ?
[0028] BCubed的精度定義如下：
[0029]
[0030] BCubed的召回率定義如下：
[0031]
[0032] 精度和召回率都可以用來評價聚類，F(xiàn)度量可以同時結(jié)合精度和召回率，定義如 下：
[0033]
7
[0034]F度量的取值范圍在0到1之間，當(dāng)F度量等于0時，聚類質(zhì)量并不理想；當(dāng)F度 量等于1時，聚類質(zhì)量理想，與基準(zhǔn)完全一致；所以當(dāng)F度量越接近1時，聚類質(zhì)量越好。
[0035] 發(fā)明的有益效果是，本發(fā)明提出一種不依賴專家評價基準(zhǔn)的外在評價方法為準(zhǔn)則 的團(tuán)體發(fā)現(xiàn)識別方法。首先，由社交網(wǎng)絡(luò)數(shù)據(jù)生成基準(zhǔn)類，使同基準(zhǔn)類中的社交用戶具有相 似的團(tuán)體屬性。對于基聚類，使用采用器，生成各種基聚類集。對于每個基聚類集，使用聚 類融合算法，對聚類融合結(jié)果采用聚類融合算法進(jìn)行融合，生成候選基準(zhǔn)。對于候選基準(zhǔn)， 使用篩選器，依據(jù)設(shè)定篩選條件，得出基準(zhǔn)。然后，使用基準(zhǔn)對聚類質(zhì)量進(jìn)行評價。得到基 準(zhǔn)后，本文采用外在評價方法對聚類質(zhì)量進(jìn)行評價。本發(fā)明通過對基聚類的決策進(jìn)行融合， 得出更準(zhǔn)確、壯健的決策。提高了社交網(wǎng)絡(luò)數(shù)據(jù)中團(tuán)體發(fā)現(xiàn)，個體發(fā)現(xiàn)的準(zhǔn)確率，使服務(wù)商 更加充分的獲得用戶信息，從而提高服務(wù)質(zhì)量，具有極大的使用價值。
【附圖說明】
[0036] 圖1為對基聚類采樣部分實(shí)現(xiàn)的框架圖；
[0037] 圖2為生成候選基準(zhǔn)部分實(shí)現(xiàn)的框架圖；
[0038] 圖3為篩選候選基準(zhǔn)部分實(shí)現(xiàn)的框架圖。
【具體實(shí)施方式】
[0039] 下面結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明進(jìn)行詳細(xì)說明。
[0040] 本發(fā)明基于聚類融合算法的社交團(tuán)體發(fā)現(xiàn)方法，具體按照以下步驟實(shí)施：
[0041] 步驟1:對于社交網(wǎng)路中的數(shù)據(jù)，根據(jù)基聚類算法分別得出相應(yīng)的基聚類（基聚類 算法1得出相應(yīng)的基聚類1)，其中采樣的方式是隨機(jī)賭輪盤方式。具體為：構(gòu)建社交網(wǎng)路 數(shù)據(jù)中的基聚類：對于社交網(wǎng)路中的數(shù)據(jù)，根據(jù)基聚類算法分別得出相應(yīng)的基聚類（基聚 類算法1得出相應(yīng)的基聚類1)，把社交網(wǎng)路數(shù)據(jù)分為不同的基聚類，然后對基聚類集進(jìn)行 采樣，目的是生成多樣性高的采樣基聚類集。多樣性高的采樣基聚類集有助于后續(xù)生成的 多樣性的候選融合聚類，有利于于篩選最后的融合聚類。
[0042] 步驟2:對每個采樣基聚類集進(jìn)行融合，得出候選基準(zhǔn)。具體為：對每個采樣網(wǎng)絡(luò) 數(shù)據(jù)基聚類運(yùn)行參與評價的聚類融合算法，把生成的融合聚類集用聚類融合算法來生成候 選基準(zhǔn)。以此類推，生成候選基準(zhǔn)集。
[0043] 步驟3:對候選基準(zhǔn)進(jìn)行篩選，評分最高的候選基準(zhǔn)即是基準(zhǔn)。
[0044] 步驟4:使用基準(zhǔn)對聚類質(zhì)量進(jìn)行評價。
[0045] 下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說明本發(fā)明 而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價 形式的修改均落于本申請所附權(quán)利要求所限定的范圍。
[0046] 實(shí)施例
[0047] 圖1為本發(fā)明實(shí)施例的對基聚類采樣部分實(shí)現(xiàn)的框架圖，具體流程描述如下：
[0048] 用公式表達(dá)來表達(dá)，假設(shè)有一個包含m個對象的數(shù)據(jù)集X，定義X= {Xl，x2，… ，xM}。在運(yùn)行N個基聚類算法后，得到N個基聚類π，定義jt= {l，jt2，···，jtn}。然后， 對η進(jìn)