基于时间序列聚类和ARMA模型的检索量预测

被引：24

作者：

孙承杰

刘丰

林磊

刘秉权

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

来源：

华南理工大学学报(自然科学版) | 2011年 / 39卷 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

时间序列; 检索量; ARMA模型; 动态时间弯曲距离; k-medoid算法;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

摘要：

为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测;经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值,并将其与检索量的实际值做比较.结果表明,用同一个ARMA模型拟合相似时间序列的方法具有可行性,且有较高的预测准确率.从聚类结果还可看出,同品牌产品的检索量数据趋于聚成一类,这为检索词关系的挖掘提供了参考.

引用

页码：21 / 25

页数：5

共 4 条

[1]

数据分析与Eviews应用.[M].易丹辉主编;.中国统计出版社.2002,

[2]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,

[3]

An examination of indexes for determining the number of clusters in binary data sets [J].