基于商品社区分类的链接度传播方法、系统及设备.pdf

《基于商品社区分类的链接度传播方法、系统及设备.pdf》由会员分享，可在线阅读，更多相关《基于商品社区分类的链接度传播方法、系统及设备.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010953826.5 (22)申请日 2020.09.11 (71)申请人 深圳市梦网视讯有限公司 地址 518000 广东省深圳市南山区粤海街 道高新中四道30号龙泰利科技大厦 325室 (72)发明人 慕畅 (74)专利代理机构 深圳市精英专利事务所 44242 代理人 冯筠 (51)Int.Cl. G06F 16/9536(2019.01) G06Q 30/06(2012.01) (54)发明名称 一种基于商品社区分类的链接度传播方法、 系统及设备 (57)摘要 本。

2、发明方法提供的一种基于商品社区分类 的链接度传播方法、 系统及设备， 本发明方法通 过对商品节点进行群组划分， 计算并获取链接度 最大的商品节点群组； 找到链接度最大商品节点 群组中链接度最大的节点进行推荐； 本发明方法 将基于协同过滤的推荐进行了 “升维” ， 由 “点推 荐” 上升为 “面推荐” ， 解决了点最优而未考虑面 最优的问题； 而在精度上， 找出了一种有效划分 关系网络的理想传播社区的方法， 解决了传统关 系网络因为未考虑整群的局部分布聚集情况， 未 划分社区， 或者不能找到最优的社区划分尺度， 从而对整群的传播中心点寻找过于粗放， 导致局 部失真的问题， 实现了更优质的精准投放。

3、。 权利要求书3页 说明书8页 附图4页 CN 112052403 A 2020.12.08 CN 112052403 A 1.一种基于商品社区分类的链接度传播方法， 其特征在于， 所述方法包括： 统计有向同时购买的商品节点， 创建触发与被触发商品节点数据表； 根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络； 以商品节点为元素， 推导k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不 同组合的数量计算公式； k表示商品节点总数且k0； m1,2,k； 其中， 每个组合称为一 个商品节点群组； 统计k个元素的集合G1,G2,G3Gk可划分的所有不同商品节点群组的总数量Q。

4、； 计算所有商品节点群组中， 每个商品节点群组的链接度； 获取所有商品节点群组中， 链接度最大的商品节点群组。 2.如权利要求1所述的基于商品社区分类的链接度传播方法， 其特征在于， 所述基于商 品社区分类的链接度传播方法还包括以下步骤： 获取所述链接度最大的商品节点群组中， 每个社区中链接度最大的节点， 也称社区的 中心节点； 推荐所述链接度最大的商品节点群组中， 每个社区的中心节点所对应的商品。 3.如权利要求2所述的基于商品社区分类的链接度传播方法， 其特征在于， 所述触发与被触发商品节点数据表包括字段： 触发商品节点和被触发商品节点； 所述商品节点群组内的每个子集称为该商品节点群组的一。

5、个社区。 4.如权利要求3所述的基于商品社区分类的链接度传播方法， 其特征在于， 所述根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络具体为： 以 商品为节点， 商品之间的连接关系为边， 商品之间有向同时购买的频次为边权值， 构建商品 连接关系网络； 若商品节点Gi和Gj之间存在有向同时购买触发关系， 则商品节点Gi和Gj之间 添加一条连接边。 5.如权利要求4所述的基于商品社区分类的链接度传播方法， 其特征在于， 所述k个元 素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算公式为： T(k,m) T(k-1,m-1)+mT(k-1,m)； 其中， T(k,。

6、m)表示k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合 的数量； 所述统计k个元素的集合G1,G2,G3Gk可划分的所有不同商品节点群组的总数量Q 计算公式为： 6.如权利要求5所述的基于商品社区分类的链接度传播方法， 其特征在于， 所述计算每 个商品节点群组的链接度的方法包括以下步骤： 计算每个商品节点群组包含的各社区中的每个节点的链接度P(i)； P(i)Nb(i)+Mb(i)； 其中， i， j表示商品节点元素在集合G1,G2,G3Gk中的序号； i,j1， 2,3， ,k； P (i)表示商品节点Gi的链接度， Nb(i)表示商品节点Gi的一级链接度； 商品节点Gi。

7、的一级链接 权利要求书 1/3 页 2 CN 112052403 A 2 度Nb(i)为商品连接关系网络中， 所有与商品节点Gi直接连接的边的边权值之和； Mb(i)表示 商品节点Gi的网络中位度； levij表示与商品节点Gi直接或间接连接的商品节点Gj的节点等 级； (Ri)j表示与商品节点Gi直接或间接连接的节点Gj对应商品的总关联购买的频次， k表示 商品节点数； 计算所述各社区的链接度； 所述各社区的连接度为各社区中包含的所有节点的链接度P(i)之和； 计算各商品节点群组的链接度； 各商品节点群组的链接度为各商品节点群组中包含的所有社区的链接度之和。 7.一种基于商品社区分类的链接度。

8、传播系统， 其特征在于， 所述系统包括： 触发与被触发商品节点数据表创建模块， 用于统计有向同时购买的商品节点， 创建触 发与被触发商品节点数据表； 商品节点连接关系网络构建模块， 用于根据所述触发与被触发商品节点数据表， 构建 商品节点连接关系网络； 商品节点群组数量计算公式推导模块， 用于以商品节点为元素， 推导k个元素的集合 G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算公式； k表示商品节点总 数且k0； m1,2,k； 其中， 每个组合称为一个商品节点群组； 商品节点群组总数统计模块， 用于统计k个元素的集合G1,G2,G3Gk可划分的所有 不同商品节点群组的总数量Q。

9、； 商品节点群组链接度计算装置， 用于计算所有商品节点群组中， 每个商品节点群组的 链接度； 链接度最大的品节点群组获取模块， 用于获取所有商品节点群组中， 链接度最大的商 品节点群组。 8.如权利要求7所述的基于商品社区分类的链接度传播系统， 其特征在于， 所述基于商 品社区分类的链接度传播系统还包括： 社区中心节点获取模块， 用于获取所述链接度最大的商品节点群组中， 每个社区中链 接度最大的节点， 也称社区的中心节点； 商品推荐模块， 用于推荐所述链接度最大的商品节点群组中， 每个社区的中心节点所 对应的商品。 9.如权利要求8所述的基于商品社区分类的链接度传播系统， 其特征在于， 所述触。

10、发与被触发商品节点数据表包括字段： 触发商品节点和被触发商品节点； 所述根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络具体为： 以 商品为节点， 商品之间的连接关系为边， 商品之间有向同时购买的频次为边权值， 构建商品 连接关系网络； 所述商品节点群组内的每个子集称为该商品节点群组的一个社区； k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算公式 为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 其中， T(k,m)表示k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合 的数量； 统计k个元素的集合G1,G2,G3Gk可划。

11、分的所有不同商品节点群组的总数量Q计算 权利要求书 2/3 页 3 CN 112052403 A 3 公式为： 10.如权利要求7所述的基于商品社区分类的链接度传播系统， 其特征在于， 所述商品 节点群组链接度计算装置包括： 节点的链接度计算模块， 用于计算每个商品节点群组包含的各社区中的每个节点的链 接度P(i)； P(i)Nb(i)+Mb(i)； 其中， i， j表示商品节点元素在集合G1,G2,G3Gk中的序号； i,j1， 2,3， ,k； P (i)表示商品节点Gi的链接度， Nb(i)表示商品节点Gi的一级链接度； 商品节点Gi的一级链接 度Nb(i)为商品连接关系网络中， 所有与。

12、商品节点Gi直接连接的边的边权值之和； Mb(i)表示 商品节点Gi的网络中位度； levij表示与商品节点Gi直接或间接连接的商品节点Gj的节点等 级； (Ri)j表示与商品节点Gi直接或间接连接的节点Gj对应商品的总关联购买的频次， k表示 商品节点数； 社区链接度计算模块， 用于计算所述各社区的链接度P(i)； 所述各社区的连接度为各社区中包含的所有节点的链接度P(i)之和； 计商品节点群组链接度计算模块， 用于计算各商品节点群组的链接度； 各商品节点群组的链接度为各商品节点群组中包含的所有社区的链接度之和。 11.一种设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上。

13、运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至6任一 项所述基于商品社区分类的链接度传播方法的步骤。 权利要求书 3/3 页 4 CN 112052403 A 4 一种基于商品社区分类的链接度传播方法、 系统及设备 技术领域 0001 本发明涉及数据挖掘领域， 尤其涉及一种基于商品社区分类的链接度传播方法、 系统及设备。 背景技术 0002 现有基于协同过滤的商品或视频推荐， 和基于关系网络的中心点， 中心度的精准 投放传播2种。 基于协同过滤的推荐， 是基于用户的历史购买或观看行为， 预测其感兴趣或 喜欢的商品或视频； 基于关系网络的中心点， 中心度的精。

14、准投放传播， 通过找出商品或视频 中最能产生二次购买或观看行为的传播中心点， 即最能够产生传播行为的元素， 通过对该 类元素的精准投放与曝光， 利用其传播效应， 来获得对整群的影响与传播效果。 0003 基于协同过滤的用户的历史购买或观看行为， 仅仅由用户个体进行推荐， 而并未 考虑从整个购买或观看群体的聚集与传播效应， 即仅为 “点到点推荐” ， 未从整个观看群体 的 “面” 进行分析和计算， 可能仅仅为点最优而非面最优； 0004 基于关系网络的中心点， 中心度的推荐方法， 考虑了 “面” 的推荐， 其对整体有较好 的推荐传播效应， 但其缺陷是未考虑整个关系网络的内部社区结构分布， 仅仅通。

15、过整群中 最中心的一个或几个点来进行精准投放或推送。 而若一个关系网络有几块聚集区域， 非一 元中心而为多中心的整群分布， 那么这样就会造成局部的失真， 从而影响整体的传播效应。 发明内容 0005 本发明实施例的目的在于提供一种基于商品社区分类的链接度传播方法、 系统及 设备， 旨在解决现有技术单方面协同过滤推荐或关系网络中心点推荐效果不准确、 效率低 的问题。 0006 本发明实施例的第一目的在于提供一种基于商品社区分类的链接度传播方法， 所 述方法包括： 0007 统计有向同时购买的商品节点， 创建触发与被触发商品节点数据表； 0008 根据所述触发与被触发商品节点数据表， 构建商品节点。

16、连接关系网络； 0009 以商品节点为元素， 推导k个元素的集合G1,G2,G3Gk可划分为由m个子集组 成的不同组合的数量计算公式； k表示商品节点总数且k0； m1,2,k； 其中， 每个组合 称为一个商品节点群组； 0010 统计k个元素的集合G1,G2,G3Gk可划分的所有不同商品节点群组的总数量 Q； 0011 计算所有商品节点群组中， 每个商品节点群组的链接度； 0012 获取所有商品节点群组中， 链接度最大的商品节点群组。 0013 进一步地， 所述基于商品社区分类的链接度传播方法还包括以下步骤： 0014 获取所述链接度最大的商品节点群组中， 每个社区中链接度最大的节点， 也称。

17、社 区的中心节点； 说明书 1/8 页 5 CN 112052403 A 5 0015 推荐所述链接度最大的商品节点群组中， 每个社区的中心节点所对应的商品。 0016 本发明实施例的第二目的在于提供一种基于商品社区分类的链接度传播系统， 所 述系统包括： 0017 触发与被触发商品节点数据表创建模块， 用于统计有向同时购买的商品节点， 创 建触发与被触发商品节点数据表； 0018 商品节点连接关系网络构建模块， 用于根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络； 0019 商品节点群组数量计算公式推导模块， 用于以商品节点为元素， 推导k个元素的集 合G1,G2,G3Gk可。

18、划分为由m个子集组成的不同组合的数量计算公式； k表示商品节点 总数且k0； m1,2,k； 其中， 每个组合称为一个商品节点群组； 0020 商品节点群组总数统计模块， 用于统计k个元素的集合G1,G2,G3Gk可划分的 所有不同商品节点群组的总数量Q； 0021 商品节点群组链接度计算装置， 用于计算所有商品节点群组中， 每个商品节点群 组的链接度； 0022 链接度最大的品节点群组获取模块， 用于获取所有商品节点群组中， 链接度最大 的商品节点群组。 0023 进一步地， 所述基于商品社区分类的链接度传播系统还包括： 0024 社区中心节点获取模块， 用于获取所述链接度最大的商品节点群组。

19、中， 每个社区 中链接度最大的节点， 也称社区的中心节点； 0025 商品推荐模块， 用于推荐所述链接度最大的商品节点群组中， 每个社区的中心节 点所对应的商品。 0026 本发明实施例的第三目的在于提供一种设备， 包括存储器、 处理器以及存储在所 述存储器中并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实 现所述基于商品社区分类的链接度传播方法的步骤。 0027 本发明的有益效果 0028 本发明方法提供的一种基于商品社区分类的链接度传播方法、 系统及设备， 本发 明方法通过对商品节点进行群组划分， 计算并获取链接度最大的商品节点群组； 找到链接 度最大商品节点群组中链。

20、接度最大的节点进行推荐； 本发明方法从维度上， 将基于协同过 滤的推荐进行了 “升维” ， 即由点推荐上升为 “面推荐” ， 解决了点最优而未考虑面最优的问 题； 而在精度上， 找出了一种有效划分关系网络的理想传播社区的方法， 解决了传统关系网 络因为未考虑整群的局部分布聚集情况， 未划分社区， 或者不能找到最优的社区划分尺度， 从而对整群的传播中心点寻找过于粗放， 导致局部失真的问题， 达到多元中心1+12的传播 效果， 实现了 “面” 精准投放的局部最优， 从局部最优之和整合为整群最优的传播链路， 进而 实现了更优质的精准投放， 从而真正有效地提高了投放效率。 附图说明 0029 图1是本。

21、发明实施例提供的一种基于商品社区分类的链接度传播方法流程图； 0030 图2是本发明实施例提供的计算每个商品节点群组的链接度方法流程图； 0031 图3所示是本发明实施例提供的商品节点G1、 G2、 G3、 G4、 G5的连接关系网络图； 说明书 2/8 页 6 CN 112052403 A 6 0032 图4所示是本发明实施例提供的链接度最大的商品节点群组中各商品节点的连接 关系网络图； 0033 图5是本发明实施例提供的基于商品社区分类的链接度传播系统结构图； 0034 图6是本发明实施例提供的商品节点群组链接度计算装置结构图； 具体实施方式 0035 为了使本发明的目的、 技术方案及优点。

22、更加清楚明白， 以下结合附图和实施例， 对 本发明进行进一步详细说明， 为了便于说明， 仅示出了与本发明实施例相关的部分。 应当理 解， 此处所描写的具体实施例， 仅仅用于解释本发明， 并不用以限制本发明， 对于本领域普 通技术人员来讲， 在不付出创造性劳动性的前提下， 还可以根据本发明实施例获得其他的 等同实施例。 0036 本发明方法提供的一种基于商品社区分类的链接度传播方法、 系统及设备， 本发 明方法通过对商品节点进行群组划分， 计算并获取链接度最大的商品节点群组； 找到链接 度最大商品节点群组中链接度最大的节点进行推荐； 本发明方法从维度上， 将基于协同过 滤的推荐进行了 “升维” 。

23、， 即由点推荐上升为 “面推荐” ， 解决了点最优而未考虑面最优的问 题； 而在精度上， 找出了一种有效划分关系网络的理想传播社区的方法， 解决了传统关系网 络因为未考虑整群的局部分布聚集情况， 未划分社区， 或者不能找到最优的社区划分尺度， 从而对整群的传播中心点寻找过于粗放， 导致局部失真的问题， 达到多元中心1+12的传播 效果， 实现了 “面” 精准投放的局部最优， 从局部最优之和整合为整群最优的传播链路， 进而 实现了更优质的精准投放， 从而真正有效地提高了投放效率。 0037 图1是本发明实施例提供的一种基于商品社区分类的链接度传播方法流程图； 所 述方法包括： 0038 Step。

24、1， 统计有向同时购买的商品节点， 创建触发与被触发商品节点数据表； 0039 所述触发与被触发商品节点数据表包括字段： 触发商品节点和被触发商品节点； 0040 本发明实施例中， 假设总共有k个商品节点， 用集合GG1， G2， .Gk表示； 0041 本发明实施例中， 商品节点为具体的商品； 譬如若商品平台为商超、 电商等购物类 平台， 则商品节点可以为统一方便面这一商品， 或怡宝矿泉水这一商品； 若商品平台为视频 或资讯信息流观看类平台， 则商品节点可以为具体的一个短视频或一条新闻信息； 购买还 可表示点击、 喜欢、 已选择、 已收藏、 已加购物车等类似喜好选择情况； 本领域的技术人员可。

25、 以理解， 不用于限制本发明的保护范围。 0042 触发商品节点被触发商品节点 G1G2 G3G1 G4G3 G9G5 G6G2 0043 表1 0044 Step2， 根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络； 说明书 3/8 页 7 CN 112052403 A 7 0045 具体为： 以商品为节点， 商品之间的连接关系为边， 商品之间有向同时购买的频次 为边权值， 构建商品连接关系网络； 0046 若商品节点Gi和Gj之间存在有向同时购买触发关系(直接连接关系)， 则商品节点 Gi和Gj之间添加一条连接边； 商品节点Gi和Gj之间还可存在间接连接关系， 通过包含至少。

26、1 个中间节点和至少2条连接边形成的路径相连， 所述路径的数量至少一条； 0047 Step3， 以商品节点为元素， 推导k个元素的集合G1,G2,G3Gk可划分为由m个 子集组成的不同组合的数量计算公式(即集合G1,G2,G3Gk可划分为多少个不同的组 合)； k表示商品节点总数且k0； m1,2,k； 其中， 每个组合称为一个商品节点群组， 所 述商品节点群组内的每个子集称为该商品节点群组的一个社区； 0048 k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算 公式为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 0049 其中， T(k,m)表示k。

27、个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不 同组合的数量； 0050 T(k,m)的计算公式推导方法如下： 0051 当商品节点数k1时， 可划分为： 0052 (A1)由m1个子集组成的商品节点群组为： G1； T(1,1)1； 0053 当商品节点数k2时， 可划分为： 0054 (B1)由m1个子集组成的商品节点群组为： G1,G2； T(2,1)1； 0055 (B2)由m2个子集组成的商品节点群组为： G1,G2； T(2,2)1； 0056 当商品节点数k3时， 可划分为： 0057 (C1)由m1个子集组成的商品节点群组为： G1,G2,G3； T(3,1)1； 。

28、0058 (C2)由m2个子集组成的商品节点群组有3个， 分别为： G1,G2,G3， G1, G2,G3， G1,G3,G2； T(3,2)3； 0059 (C3)由m3个子集组成的商品节点群组为： G1,G2,G3； T(3,3)1； 0060 譬如， 当k3,m2时， 可划分为T(3,2)3个商品节点群组， G1,G2,G3为其 中的一个商品节点群组， 该商品节点群组包含2个社区： G1,G2和G3； 0061 若需统计T(4,2)， 则步骤为： 0062 在(C1)里增加一个元素G4得到： G1,G2,G3,G4； 0063 在(C2)里任意一个子集增加一个元素G4得到： G1,G2,。

29、G4,G3， G1,G2,G3, G4， G1,G4,G2,G3， G1,G2,G3,G4， G1,G3,G4,G2， G1,G3,G2,G4； 0064 T(4,2)7； 0065 公式为： T(4,2)T(3,1)+2T(3,2)1+237； 0066 以此类推， T(4,3)T(3,2)+3T(3,3)3+316； 0067 推广为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 0068 Step4， 统计k个元素的集合G1,G2,G3Gk可划分的所有不同商品节点群组的 总数量Q； 0069 计算公式为： 0070 说明书 4/8 页 8 CN 112052403 A 8 0。

30、071 譬如， 若商品节点总数k4， 则 0072 0073 Step5， 计算所有商品节点群组中， 每个商品节点群组的链接度； 0074 图2是本发明实施例提供的计算每个商品节点群组的链接度的方法流程图， 包括 以下步骤： 0075 S51， 计算每个商品节点群组包含的各社区中的每个节点的链接度P(i)； 0076P(i)Nb(i)+Mb(i)； 0077 其中， i， j表示商品节点元素在集合G1,G2,G3Gk中的序号； i,j1， 2,3， , k； P(i)表示商品节点Gi的链接度， Nb(i)表示商品节点Gi的一级链接度； 商品节点Gi的一级 链接度Nb(i)为商品连接关系网络中，。

31、 所有与商品节点Gi直接连接的边的边权值之和； Mb(i) 表示商品节点Gi的网络中位度； levij表示与商品节点Gi直接或间接连接的商品节点Gj的节 点等级； (Ri)j表示与商品节点Gi直接或间接连接的节点Gj对应商品的总关联购买的频次， k 表示商品节点数； 0078 如图3所示是本发明实施例提供的商品节点G1、 G2、 G3、 G4、 G5的连接关系网络图； 0079 其中G1和G2存在直接连接关系， 则G2为G1的1级节点； 0080 G1和G3存在间接连接关系， 可通过第一节点路径和第二节点路径间接相连； 第一节 点路径包括2条连接边： G1-G2和G2-G3； 第二节点路径包括。

32、4条连接边： G1-G2、 G2-G4、 G4-G5和G5- G3； 则G3为G1的2级节点； 0081 连接边上的数值表示两个直接相连商品节点之间的边权值(即同时购买频次)， 譬 如G1和G2的边权值为10， G2和G3的边权值为5； 0082 S52， 计算所述各社区的链接度； 0083 所述各社区的连接度为各社区中包含的所有节点的链接度P(i)之和； 0084 本发明实施例中， 假设某一个商品节点群组为： G1,G2,G3， G4,G5,G6,G7， G8， 该 商品节点群组包括2个社区： 第一社区G1,G2,G3、 第二社区G4,G5,G6,G7， G8； 则 0085 第一社区的链接。

33、度P(1)+P(2)+P(3)； 0086 第二社区的链接度P(4)+P(5)+P(6)+P(7)+P(8)； 0087 S53， 计算各商品节点群组的链接度； 0088 各商品节点群组的链接度为各商品节点群组中包含的所有社区的链接度之和； 0089 本发明实施例中， 所述商品节点群组G1,G2,G3， G4,G5,G6,G7， G8的链接度第 一社区的链接度+第一社区的链接度； 0090 Step6， 获取所有商品节点群组中， 链接度最大的商品节点群组。 0091 所述链接度足底啊的商品节点群组， 即为最适合进行推广的商品节点群组； 0092 进一步地， 所述基于商品社区分类的链接度传播方法。

34、还包括以下步骤： 0093 Step7， 获取所述链接度最大的商品节点群组中， 每个社区中链接度最大的节点， 也称社区的中心节点； 0094 Step8， 推荐所述链接度最大的商品节点群组中， 每个社区的中心节点所对应的商 说明书 5/8 页 9 CN 112052403 A 9 品； 0095 如图4所示是本发明实施例提供的链接度最大的商品节点群组中各商品节点的连 接关系网络图； 0096 本发明实施列中， 假设如图4所示是所有商品节点群组中， 链接度最大的商品节点 群组G1,G3,G6,G8,G2,G5,G12,G13,G4,G7,G9,G10,G11， 其包括3个社区G1,G3,G6,G。

35、8, G2,G5,G12,G13,G4,G7,G9,G10,G11， 第一社区G1,G3,G6,G8的中心节点为G8， 第二社区G2, G5,G12,G13的中心节点为G5,第三社区G4,G7,G9,G10,G11的中心节点为G4； 则在实际应用中， 着重推送G8， G5,G4这3个节点对应的商品； 0097 本发明实施中， 社区划分是为了区域内传播更高效， 社区与社区间的节点可能不 进行传播； 社区内节点的链接度高表示该节点在该社区传播度高； 社区的链接度高表示该 社区在该群组的传播度高； 群组的链接度高表示该群组在所有群组中链接度高； 通过投放 链接度最高群组中各社区的中心节点， 通过所述。

36、中心节点， 传播到各中心节点所在的社区， 从而实现所有社区的高效传播。 0098 对应于上文实施例所述的基于商品社区分类的链接度传播方法， 图5是本发明实 施例提供的一种基于商品社区分类的链接度传播系统结构图。 所述系统包括： 0099 触发与被触发商品节点数据表创建模块， 用于统计有向同时购买的商品节点， 创 建触发与被触发商品节点数据表； 0100 所述触发与被触发商品节点数据表包括字段： 触发商品节点和被触发商品节点； 0101 商品节点连接关系网络构建模块， 用于根据所述触发与被触发商品节点数据表， 构建商品节点连接关系网络； 0102 具体为： 以商品为节点， 商品之间的连接关系为边。

37、， 商品之间有向同时购买的频次 为边权值， 构建商品连接关系网络； 0103 商品节点群组数量计算公式推导模块， 用于以商品节点为元素， 推导k个元素的集 合G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算公式(即集合G1,G2, G3Gk可划分为多少个不同的组合)； k表示商品节点总数且k0； m1,2,k； 其中， 每 个组合称为一个商品节点群组， 所述商品节点群组内的每个子集称为该商品节点群组的一 个社区； 0104 k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合的数量计算 公式为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 0105 其中。

38、， T(k,m)表示k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不 同组合的数量； 0106 商品节点群组总数统计模块， 用于统计k个元素的集合G1,G2,G3Gk可划分的 所有不同商品节点群组的总数量Q； 0107 计算公式为： 0108 0109 商品节点群组链接度计算装置， 用于计算所有商品节点群组中， 每个商品节点群 组的链接度； 0110 链接度最大的品节点群组获取模块， 用于获取所有商品节点群组中， 链接度最大 说明书 6/8 页 10 CN 112052403 A 10 的商品节点群组； 0111 进一步地， 所述基于商品社区分类的链接度传播系统还包括 0112 社。

39、区中心节点获取模块， 用于获取所述链接度最大的商品节点群组中， 每个社区 中链接度最大的节点， 也称社区的中心节点； 0113 商品推荐模块， 用于推荐所述链接度最大的商品节点群组中， 每个社区的中心节 点所对应的商品。 0114 进一步地， k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不同组合 的数量计算公式为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 0115 其中， T(k,m)表示k个元素的集合G1,G2,G3Gk可划分为由m个子集组成的不 同组合的数量； 0116 T(k,m)的计算公式推导方法如下： 0117 当商品节点数k1时， 可划分为： 0118。

40、 (A1)由m1个子集组成的商品节点群组为： G1； T(1,1)1； 0119 当商品节点数k2时， 可划分为： 0120 (B1)由m1个子集组成的商品节点群组为： G1,G2； T(2,1)1； 0121 (B2)由m2个子集组成的商品节点群组为： G1,G2； T(2,2)1； 0122 当商品节点数k3时， 可划分为： 0123 (C1)由m1个子集组成的商品节点群组为： G1,G2,G3； T(3,1)1； 0124 (C2)由m2个子集组成的商品节点群组有3个， 分别为： G1,G2,G3， G1, G2,G3， G1,G3,G2； T(3,2)3； 0125 (C3)由m3个子。

41、集组成的商品节点群组为： G1,G2,G3； T(3,3)1； 0126 譬如， 当k3,m2时， 可划分为T(3,2)3个商品节点群组， G1,G2,G3为其 中的一个商品节点群组， 该商品节点群组包含2个社区： G1,G2和G3； 0127 若需统计T(4,2)， 则步骤为： 0128 在(C1)里增加一个元素G4得到： G1,G2,G3,G4； 0129 在(C2)里任意一个子集增加一个元素G4得到： G1,G2,G4,G3， G1,G2,G3, G4， G1,G4,G2,G3， G1,G2,G3,G4， G1,G3,G4,G2， G1,G3,G2,G4； 0130 T(4,2)7； 0。

42、131 公式为： T(4,2)T(3,1)+2T(3,2)1+237； 0132 以此类推， T(4,3)T(3,2)+3T(3,3)3+316； 0133 推广为： T(k,m)T(k-1,m-1)+mT(k-1,m)； 0134 进一步地， 图6是本发明实施例提供的商品节点群组链接度计算装置结构图； 所述 商品节点群组链接度计算装置包括： 0135 节点的链接度计算模块， 用于计算每个商品节点群组包含的各社区中的每个节点 的链接度P(i)； 0136P(i)Nb(i)+Mb(i)； 0137 其中， i， j表示商品节点元素在集合G1,G2,G3Gk中的序号； i,j1， 2,3， , k。

43、； P(i)表示商品节点Gi的链接度， Nb(i)表示商品节点Gi的一级链接度； 商品节点Gi的一级 说明书 7/8 页 11 CN 112052403 A 11 链接度Nb(i)为商品连接关系网络中， 所有与商品节点Gi直接连接的边的边权值之和； Mb(i) 表示商品节点Gi的网络中位度； levij表示与商品节点Gi直接或间接连接的商品节点Gj的节 点等级； (Ri)j表示与商品节点Gi直接或间接连接的节点Gj对应商品的总关联购买的频次， k 表示商品节点数； 0138 社区链接度计算模块， 用于计算所述各社区的链接度P(i)； 0139 所述各社区的连接度为各社区中包含的所有节点的链接度。

44、P(i)之和； 0140 计商品节点群组链接度计算模块， 用于计算各商品节点群组的链接度； 0141 各商品节点群组的链接度为各商品节点群组中包含的所有社区的链接度之和。 0142 本发明实施例还提供的一种终端设备， 该实施例的终端设备包括： 处理器、 存储器 以及存储在所述存储器中并可被在所述处理器上运行的计算机程序。 所述处理器执行所述 计算机程序时实现上述基于商品社区分类的链接度传播方法实施例中的步骤。 或者， 所述 处理器执行所述计算机程序时实现上述各系统实施例中各单元的功能。 0143 本领域的普通技术人员可以理解， 实现上述实施例方法中的全部或部分步骤是可 以通过程序指令相关硬件来。

45、完成的， 所述的程序可以存储于一计算机可读取存储介质中， 所述的存储介质可以为ROM、 RAM、 磁盘、 光盘等。 0144 上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺 序应以其功能和内在逻辑确定， 而不应对本发明实施例的实施过程构成任何限定。 0145 以上所述仅为本发明的较佳实施例而已， 并不用以限制本发明， 凡在本发明的精 神和原则之内所作的任何修改、 等同替换和改进等， 均应包含在本发明的保护范围之内。 说明书 8/8 页 12 CN 112052403 A 12 图1 说明书附图 1/4 页 13 CN 112052403 A 13 图2 图3 说明书附图 2/4 页 14 CN 112052403 A 14 图4 说明书附图 3/4 页 15 CN 112052403 A 15 图5 图6 说明书附图 4/4 页 16 CN 112052403 A 16 。