作者:何海洋 期刊:《信息通信技术与政策》 2016年第10期
随着移动互联网的快速发展,利用移动数据分析移动用户的移动性成为移动互联网研究的一大热点。本文提出了基于时间的Markov(Time-Based Markov,TBM)算法,并利用南方某省运营商3周的连续数据,使用TBM算法对移动类用户进行位置预测。通过试验,证明了所提出的方法比基础Markov方法有更高的预测准确率,这对运营商和位置服务提供商有重要意义。
作者:贾俊杰; 余钦科 期刊:《小型微型计算机系统》 2019年第12期
针对传统协同过滤算法推荐效率低、矩阵稀疏、用户异常值等问题,本文提出修正评分的协同过滤算法.算法先对用户聚类提高最近邻搜索效率,降低搜索时间.与此同时为提高算法推荐精度以及避免用户异常值问题,本文结合置信度提出修正评分代替传统算法中的加权评分衡量推荐结果.经验证,修正评分的协同过滤算法提高了推荐的准确性、有效性.
作者:高慧颖; 魏甜; 刘嘉唯 期刊:《数据分析与知识发现》 2019年第10期
【目的】利用用户信息和社交网络拓扑信息,提出基于用户聚类与动态交互信任关系进行精准好友推荐的方法。【方法】基于用户信息进行特征向量建模,改进K-Prototypes算法分类型变量的距离计算公式,并使用改进的K-Prototypes算法将最有可能成为好友的用户预先聚为k个簇类,然后在每一簇中基于拓扑社交网络信任关系对目标用户进行好友推荐。从全局信任关系和交互信任关系两个维度衡量用户之间的拓扑网络信任关系,并创新性地引入三个动态...
[目的/意义]研究基于改进协同过滤的图书推荐算法,以期取得更好的图书推荐效果。[方法/过程]介绍基于用户的协同过滤推荐算法原理,揭示传统协同过滤推荐算法存在的数据稀疏问题,改用用户聚类方法进行相似度计算,并通过图书馆数据进行实验。[结果/结论]改进算法缓解了数据稀疏问题,提高了图书馆图书推荐效率。
作者:何哲楠; 吴浩; 程祥; 占震滨; 孙维真 期刊:《电网技术》 2019年第08期
变电站负荷聚类是应对负荷特性多样性问题的有效途径,并对指导电网规划及运行等具有重要意义。为进一步提高变电站负荷聚类的有效性,挖掘利用更多数据价值,提出了考虑构成的变电站负荷双层聚类模型,先对下层用户依照用电特性进行聚类,而后计算聚类所得各类用户在所属上层变电站中的占比作为分析上层构成的依据,上层变电站的聚类综合地考虑自身负荷特性和构成情况。针对提出的双层聚类模型,根据上下层特点分别提出、使用改进K-means...
作者:张海涛; 唐诗曼; 魏明珠; 李泽中 期刊:《图书情报工作》 2018年第24期
[目的/意义]准确把握社交网络用户兴趣倾向,对用户进行分类并形成高聚合的用户群,对研究社交网络信息生态以及信息推荐有重大意义。[方法/过程]通过构造基于多维度的用户属性描述层次模型,根据模型数据需求从新浪微博抓取用户样本数据,对相关用户背景信息、用户博文信息以及用户行为信息的多维度属性下二阶变量进行量化,构造用户向量表达式,比较单一维度与多维度下的用户分类效果,进一步给属性赋予不同的权重值进行加权分析,在取得...
作者:李建军; 侯跃; 杨玉 期刊:《计算机科学》 2019年第B06期
随着电子商务和互联网的发展与普及,面向用户的个性化推荐越来越被重视,传统的用户兴趣模型只考虑到用户本身对项目的行为,忽略了用户当时所处情景。因此文中提出了基于情景感知的用户兴趣模型,将用户的浏览行为与情景因素相结合,从两个方面深度挖掘了用户对项目的兴趣,明确了用户对项目的关注度,从而准确地为用户进行聚类,并根据用户聚类的结果对目标用户进行推荐。实验结果表明,该推荐模型的准确率高于其他传统推荐算法的准确率,...
针对传统协同过滤推荐算法计算量大、项目推荐精度不高的问题,提出复杂情境感知下用户聚类协同推荐算法,首先,定义用户复杂情境信息相似因子,并将其嵌入到传统用户相似性度量公式,实现对其改进。然后,对用户历史评分信息与复杂情境信息进行聚类分析以降低算法计算量,并产生用户类别所属度矩阵;最后,在类别所属度矩阵上确定目标用户最近邻居,进行项目推荐。实验结果显示,该算法在降低推荐计算量的同时,提升推荐质量。
随着计算机及互联网的快速发展,电子商务渐渐成为国家经济的重要组成部分,如何从大数据中准确预测用户购物行为并进行个性化推荐成为电商领域的研究热点。本文基于机器学习对英国电子商务数据进行基本分析,以文本处理及聚类的方式构造用户-产品矩阵及产品和用户聚类,并实现支持向量机分类器对新用户进行分类,从而预测新用户的购买行为及模式。
作者:程鹏; 柳林; 刘晓; 许传新; 郭慧 期刊:《计算机工程与设计》 2019年第05期
针对传统的协调过滤推荐算法利用单一评分矩阵带来的数据稀疏性问题,提出一种基于多维特征聚类和用户评分的景点推荐算法。划分用户类别,使用基于属性权重的加权K-means聚类算法将表示用户特征的多维指标数值进行聚类;确定目标用户类别,引入用户的推荐可信度和质量可信度并形成评分可信度,将评分可信度和评分相似度结合平衡因子来计算用户之间的相似度,优化传统的相似度推荐算法。实验结果表明,该算法降低了数据的稀疏性,提高了推...
作者:姜宇; 张大方; 刁祖龙 期刊:《计算机工程》 2018年第01期
研究用户学习网页点击流数据,挖掘用户兴趣,从而为用户进行个性化学习资源推荐,提出JMATRIX算法。基于用户历史资源点击流信息,构建用户资源点击数据有向图模型,并将有向图模型转化为矩阵模型存储。采用求解矩阵模型相似度,从而求得用户相似度,极大地降低了资源点击频率和资源点击路径用户相似度求解的复杂度,提高用户相似度求解的效率与准确度。结合LeaderClustering算法及粗糙集理论进行用户聚类和用户个性化资源推荐。...
作者:陈小松; 崔志明 期刊:《计算机技术与发展》 2005年第04期
用户聚类是Web挖掘的重要部分,而Chameleon算法是一种通用的聚类算法.文中把Chameleon算法应用于Web挖掘,设计了Web用户的聚类,采用J2EE体系架构实现了这一算法,并在此基础上做了改进,实验结果表明,该算法取得了良好的效果.
作者:张敏; 刘海鹏; 李鹏 期刊:《数字图书馆论坛》 2014年第03期
web用户聚类对于个性化服务、网站结构优化等具有重要意义。文章从用户的访问路径、项目评分等角度总结了用户聚类方法及算法,指出当前用户聚类研究存在的不足,提出了结合Web挖掘与社会网络分析方法的用户聚类的模型,分析了两者结合的必要性及结合策略,形成较为完善的用户聚类机制。
作者:熊回香; 蒋武轩 期刊:《数据分析与知识发现》 2017年第06期
[目的]利用用户标签及关系网络,为用户推荐潜在的相似用户。[方法]通过探究社会化标注系统中标签、关系网络所表征的用户长短期兴趣特征,综合用户标签及关注关系,利用多维尺度法构建用户聚类模型,根据用户聚类结果进行相似用户推荐,并以"微博"为例对模型进行实证。[结果]实验结果表明,基于标签和关系网络的用户聚类模型能够有效地结合用户长短期兴趣特征,挖掘潜在相似用户,聚类及推荐效果较好。[局限]样本数据集具有局限性,不能...
作者:李春梅; 陈秀明; 刘文文; 周永芹 期刊:《长春师范大学学报》 2017年第08期
本文针对群体中用户采用区间犹豫模糊信息表达兴趣偏好的情况,在推荐过程中对于区间犹豫模糊集用户聚类的方法进行研究。考虑到属性权重未知的情况,提出熵权模型来确定属性权重;基于相关性和最小距离思想,利用传递闭包算法和凝集型层次聚类算法对用户聚类,在此基础上研究群推荐方法,建立科学合理的群推荐模型。
作者:熊回香; 蒋武轩 期刊:《现代图书情报技术》 2017年第06期
【目的】利用用户标签及关系网络,为用户推荐潜在的相似用户。【方法】通过探究社会化标注系统中标签、关系网络所表征的用户长短期兴趣特征,综合用户标签及关注关系,利用多维尺度法构建用户聚类模型,根据用户聚类结果进行相似用户推荐,并以“微博”为例对模型进行实证。【结果】实验结果表明,基于标签和关系网络的用户聚类模型能够有效地结合用户长短期兴趣特征,挖掘潜在相似用户,聚类及推荐效果较好。【局限】样本数据集具有局限...
作者:李寒芳; 吴东月; 高强 期刊:《天津理工大学学报》 2017年第03期
针对推荐系统中普遍存在的数据稀疏性问题,提出了一种结合项目分类和用户聚类的推荐算法.通过聚类算法将相似的用户聚类在一起形成若干个用户子网,在各个用户子网之间和用户子网中通过信任机制加强子网之间和子网内部的相互关系,根据项目的种类将项目分类,再通过用户对项目的选择计算用户对每种类型项目的大众喜爱度,在每个用户子网中将项目分类和大众喜爱度加权求和得出最终的相似度,由此构造出推荐系统.实验验证了方法的...
作者:曾蔚 期刊:《唐山师范学院学报》 2016年第05期
提出一种品牌忠诚度模型,根据用户行为首先计算出用户-品牌忠诚度值并预测用户与未交互过品牌的可能忠诚度值来填充矩阵;然后,对用户进行聚类来评价用户的品牌忠诚度水平并结合忠诚度矩阵进行推荐;最后,通过天猫网的用户行为数据集对推荐算法和其他算法结果进行比较。实验结果表明:本推荐算法具有较高的预测精度,同时还具有较高的覆盖度。
作者:陈旭辉; 陆军; 王志 期刊:《兰州理工大学学报》 2007年第06期
为了有利于对网络用户实行个性化服务,采用先对服务器记录用户采用赋权值距离算法进行聚类,然后对各类缩小的用户群体采用BQ-tree树算法进行用户频繁浏览模式挖掘.仿真结果表明,整个算法在保证挖掘效果的同时,比以往的Apriori算法、FP-growth算法更节省时间,且挖掘结果能有效地对用户提供个性化服务.
作者:颜端武; 罗胜阳; 成晓 期刊:《现代图书情报技术》 2007年第03期
针对个性化推荐服务的需要以及用户聚类处理时用户一文档访问数据的高维稀疏性问题,采用“比对降维”的思想和K层次聚类算法,分析基于用户资源评价数据的用户聚类处理流程。在此基础上,采用Java开源技术设计并实现一个用户聚类的试验系统。