用戶偏好分析是構(gòu)建用戶個性化服務(wù)的基礎(chǔ),是用戶在對商品或者服務(wù)進(jìn)行考量之后所做出的理性且?guī)в袀�人傾向的選擇。傳統(tǒng)的無向圖層次聚類算法在聚合時每次都需要重新運算邊的權(quán)重,而且每次合并的點數(shù)量有限。上述問題使得傳統(tǒng)算法不能被有效用于用戶偏好分析。為能精確地挖掘用戶偏好,文中提出一種無向圖層次聚類的并行優(yōu)化算法。首先,算法通過分裂高熱節(jié)點,削弱衰減因子的消極影響;其次,采用一種并行的方法對無向圖實現(xiàn)聚合,優(yōu)化聚類的速度;最后,將基于用戶的搜索行為而得到內(nèi)容偏好分類判斷為依據(jù)對內(nèi)容進(jìn)行聚合。通過實驗對該算法進(jìn)行了驗證,實驗結(jié)果表明該算法能夠顯著提高聚類的覆蓋率、效率及準(zhǔn)確率。 

【文章來源】：計算機與數(shù)字工程. 2020,48(05)

【文章頁數(shù)】：6 頁

【部分圖文】：

高熱關(guān)鍵詞節(jié)點

搜索無向圖

無向節(jié)點合并

【參考文獻(xiàn)】：
期刊論文
[1]面向用戶偏好發(fā)現(xiàn)的隱變量模型構(gòu)建與推理[J]. 高艷,岳昆,武浩,付曉東,劉惟一.  計算機應(yīng)用. 2017(02)
[2]HCLOPE:一種處理分類數(shù)據(jù)的優(yōu)化層次聚類算法[J]. 李曄鋒,樂嘉錦,王梅.  計算機應(yīng)用與軟件. 2016(07)
[3]面向大數(shù)據(jù)處理的并行優(yōu)化抽樣聚類K-means算法[J]. 周潤物,李智勇,陳少淼,陳京,李仁發(fā).  計算機應(yīng)用. 2016(02)
[4]基于聚類的加速k-近鄰分類方法[J]. 任麗芳.  計算機應(yīng)用與軟件. 2015(10)
[5]基于用戶評論挖掘的產(chǎn)品推薦算法[J]. 扈中凱,鄭小林,吳亞峰,陳德人.  浙江大學(xué)學(xué)報(工學(xué)版). 2013(08)
[6]考慮長期與短期興趣因素的用戶偏好建模[J]. 王洪偉,鄒莉.  同濟(jì)大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[7]圖形聚類算法的代謝網(wǎng)絡(luò)模塊化分析[J]. 侯靜,宋安平,王卓,張武,李園園,李亦學(xué).  應(yīng)用科學(xué)學(xué)報. 2006(06)

碩士論文
[1]數(shù)據(jù)挖掘中聚類算法的并行優(yōu)化研究[D]. 范毅剛.西安電子科技大學(xué) 2015
[2]網(wǎng)絡(luò)用戶偏好建模及推薦系統(tǒng)設(shè)計[D]. 胡寶文.北京交通大學(xué) 2015
[3]基于MapReduce的聚類算法并行化研究[D]. 王愷.南京師范大學(xué) 2014
[4]基于大眾標(biāo)注的網(wǎng)絡(luò)群體事件主題分類研究[D]. 翟鵬博.江蘇科技大學(xué) 2014



本文編號：3105838