1、Web2.0技術(shù)的日益盛行,隨之而來(lái)的便是更加豐富的新型數(shù)據(jù)和大量網(wǎng)絡(luò)用戶(hù)。如何利用標(biāo)簽特性,結(jié)合數(shù)據(jù)挖掘的相關(guān)技術(shù),挖掘用戶(hù)的興趣信息,從而更好地理解用戶(hù)、發(fā)現(xiàn)用戶(hù)的行為規(guī)律,據(jù)此提供針對(duì)不同用戶(hù)的個(gè)性化服務(wù)具有重要的理論和現(xiàn)實(shí)意義。本文將對(duì)社會(huì)化標(biāo)簽環(huán)境下的用戶(hù)進(jìn)行分析,具體包括以下幾個(gè)方面:
　　 1、深入分析研究K-medoids算法,針對(duì)傳統(tǒng)K-medoids算法所存在的初始中心點(diǎn)選擇敏感、大數(shù)據(jù)集聚類(lèi)應(yīng)用中性能低下等

2、問(wèn)題,提出從初始中心和運(yùn)行效率上對(duì)其進(jìn)行改進(jìn),改進(jìn)策略為:首先使用簇內(nèi)微調(diào)的方式對(duì)初始中心進(jìn)行優(yōu)化處理并劃分后,再采取逐步擴(kuò)展中心候選集的方式來(lái)降低中心替換的時(shí)間復(fù)雜度。分別從理論和UCI數(shù)據(jù)集上的實(shí)驗(yàn)進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明改進(jìn)的算法取得了更好的聚類(lèi)質(zhì)量,且在運(yùn)行效率上有了很大的提高。
　　 2、K-medoids聚類(lèi)在標(biāo)簽用戶(hù)特征分析中的應(yīng)用。首先,對(duì)于個(gè)體用戶(hù),先對(duì)標(biāo)簽系統(tǒng)中個(gè)性化用戶(hù)建模技術(shù)進(jìn)行研究,針對(duì)現(xiàn)有模型構(gòu)建方法

3、中所存在的問(wèn)題,設(shè)計(jì)了一種新的建模方法一基于標(biāo)簽與標(biāo)簽組相結(jié)合的用戶(hù)建模方法(Tag Combined with Tag-Pair,簡(jiǎn)稱(chēng)TCTP法):該方法將自然法與共現(xiàn)法相結(jié)合,綜合他們各自的優(yōu)勢(shì),既考慮了能體現(xiàn)用戶(hù)興趣特點(diǎn)的單個(gè)標(biāo)簽,又將經(jīng)常聯(lián)合使用的標(biāo)簽對(duì)加進(jìn)來(lái),Bibsonomy數(shù)據(jù)集實(shí)驗(yàn)驗(yàn)證了該方法較自然法和共現(xiàn)法取得了更好的結(jié)果;其次,對(duì)由TCTP法構(gòu)建的用戶(hù)興趣模型進(jìn)行了分析,了解個(gè)體用戶(hù)的特征;最后,把K-medoids