1.一种基于聚类的网络结构相似性推荐方法，其特征在于：所述推荐方法包括以下步骤：步骤1：在数据库中标记用户形成集合User＝{u1,u2,u3…un}；

步骤2：在集合User中选择k个用户作为聚类中心，形成集合UC＝{uc1,uc2,…uck}，所述uck代表一个聚类中心用户；

步骤3：初始化k个聚类集合C＝{c1,c2,c3…ck}，所述ck代表包含有用户聚类中心uck和与uck相似度高的其他用户的集合；

步骤4：计算用户un与聚类中心uck的相似度，将用户un归类为某一聚类集合ck中；

步骤5：计算每个聚类ck中每种产品被购买的次数，将数量大于阀值b*n的产品标记出来作为特征商品，b为0～1之间的预设系数；

步骤6：计算需要推荐的用户Ui与每个聚类中心的相似性，将Ui归为某一聚类ck中；

步骤7：计算Ui与ck特征向量的值，得出推荐列表。

2.如权利要求1所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤1中，用户集合User＝{u1,u2,u3…un}中每一个un包含用户所购买过的产品信息，un代表用户购买产品的行向量。

3.如权利要求1或2所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤2中，使用公式(1)计算用户的购买指数，选择购买指数较高的前几个用户作为聚类中心，步骤如下：步骤2.1使用公式(1)计算用户的购买指数，计算后的数值直接保存在c向量中，公式(1)中 是元素全为1的一维列向量，c是一维行向量；

A×α1＝c (1)

步骤2.2使用循环程序计算，当h

步骤2.3：取rank中前k个用户的标号赋值给聚类中心，形成集合UC＝{uc1,uc2,uc3…uck}。

4.如权利要求3所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤4中，用户un聚类的步骤如下：步骤4.1：当f

Simtf＝ut×ucf′ (2)

步骤4.2：将un放入Simtf最大的对应的聚类集合ck中。

5.如权利要求4所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤5中，利用循环程序计算每个类中每种产品被购买的次数，再将产品按购买次数的多少进行排序得到每个聚类的购买特性向量，步骤如下：步骤5.1：利用公式(3)提取聚类集合ck中用户共同购买特征，其中α′1＝{1,1,…,1}是一维行向量，traitk是包含用户购买特征的一维行向量；

α′1×ck＝traitk (3)

步骤5.2：利用公式(4)对traitk中的数据进行特征处理，对于traitkj-0.6k>0的数，将trij中的对应位置赋值为1，traitkj-0.6k<0时赋值为0，traitkj代表第k个聚类中关于第j个产品的特征值，tri是将traitkj中对应的产品标记出来的列向量，trij代表tri中的第j个元素；

6.如权利要求5所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤6中，计算Ui与每个聚类中心的相似性，步骤如下：

6.1：使用公式(5)计算需要推荐的用户Ui和聚类中心uck之间的相似性，Simik代表用户Ui和聚类中心uck的相似性；

Simik＝Ui×uck (5)

步骤6.2：将Ui归为相似性最大的聚类uck中。

7.如权利要求6所述的一种基于聚类的网络结构相似性推荐方法，其特征在于：所述步骤7中，利用公式(6)对Ui和uck的特征向量进行与非运算得到推荐列表：