基于关键字的用户聚类算法

被引：8

作者：

王荣

李晋宏

宋威

机构：

[1] 北方工业大学信息工程学院

来源：

计算机工程与设计 | 2012年 / 33卷 / 09期

关键词：

关键字; 相似权重; 平均邻居; 相似度; 用户聚类;

D O I：

10.16208/j.issn1000-7024.2012.09.044

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

为了得到准确有效的用户聚类,提出了一种基于关键字的用户聚类算法。该算法是在传统Rock算法的基础上进行了改进,提出了相似权重和平均邻居的概念,并且将用户关键字事务集的平均邻居数定义为用户访问模式相似性的标准。在不产生离群用户点的基础上,缩小了用户聚类的范围,将一个大的用户聚类更加精确的划分为几个小的用户聚类。利用用户之间的相似度阈值对数据进行过滤,减小了用户聚类的计算量。经过实验验证该算法有效的提高了相似用户聚类的准确性和运行效率。

引用

页码：3553 / 3557+3568 +3568

页数：6

共 12 条

[1] 一种新的Web用户会话实时聚类算法 [J].

郭兆麟 ;

周军 .

计算机工程与应用, 2010, 46 (35) :142-144

[2] 两阶段联合聚类协同过滤算法 [J].

吴湖 ;

王永吉 ;

王哲 ;

王秀利 ;

杜栓柱 .

软件学报, 2010, 21 (05) :1042-1054

[3] 赋权有向图的最小生成树算法 [J].

孙凌宇 ;

冷明 ;

谭云兰 ;

郁松年 .

计算机工程, 2010, 36 (02) :61-63+66

[4] 基于用户浏览行为聚类Web用户 [J].

陈敏 ;

苗夺谦 ;

段其国 .

计算机科学, 2008, (03) :186-187+255

[5] 聚类算法研究 [J].

孙吉贵 ;

刘杰 ;

赵连宇 .

软件学报, 2008, (01) :48-61

[6]

Clustering with multi-viewpointbased similarity measure. Nguyen D,Chen L,Chan C. IEEE Transactions on Know-ledge and Data Engineering . 2012

[7] 基于模糊簇的个性化推荐方法 [J].

张海燕 ;

顾峰 ;

姜丽红 .

计算机工程, 2006, (12) :65-67

[8]

An inference-based collaborative filtering approach. Yang J-M,Li K-F. Proceedings of the 3rd IEEE International Symposium on Dependable,Autonomic and Secure Computing (DASC) . 2007

[9] 不确定近邻的协同过滤推荐算法 [J].

黄创光 ;

印鉴 ;

汪静 ;

刘玉葆 ;

王甲海 .

计算机学报, 2010, 33 (08) :1369-1377

[10] 基于多重评价因素的Web用户聚类方法 [J].

吴金桥 ;

曹奇英 ;

何夏燕 ;

庄怡雯 .

计算机工程, 2011, 37 (10) :44-46+49

← 1 2 →