基于用戶行為挖掘的推薦算法改進(jìn)及應(yīng)用研究.pdf

1、現(xiàn)有的序列模式挖掘算法已經(jīng)在大型的數(shù)據(jù)庫中得到廣泛的應(yīng)用。然而，隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展和應(yīng)用領(lǐng)域的不斷細(xì)化，用戶對(duì)挖掘出來的序列模式提出了更高的要求。因此，將用戶的要求或者是興趣轉(zhuǎn)化成一種或多種約束，來限定挖掘的維數(shù)，提高挖掘的效率已經(jīng)成為挖掘領(lǐng)域內(nèi)的一個(gè)研究重點(diǎn)。本文針對(duì)上述問題，將研究的重點(diǎn)放在了基于約束的序列模式挖掘算法的研究上，這對(duì)研究超市中客戶購買模式、網(wǎng)站訪問頁面的序列模式、電信告警序列模式和DNA模式等問題有重要的意義。<

2、br>　　本文對(duì)國(guó)內(nèi)外現(xiàn)有的序列模式挖掘算法和基于約束的序列模式挖掘算法進(jìn)行了深入的研究和分析?；诩s束的序列模式挖掘是在序列模式挖掘的基礎(chǔ)上考慮了一些其它的信息，例如在超市客戶購買行為分析中考慮到客戶的年齡、性別等信息，這樣的模式融合了更多的信息，應(yīng)用價(jià)值也更高。
　　本文通過對(duì)序列模式挖掘方法的研究和探討，分別在預(yù)處理的過程中和序列模式的挖掘過程中進(jìn)行了改進(jìn)。在數(shù)據(jù)預(yù)處理的過程中，提出先將序列模糊分類，再利用數(shù)學(xué)中的抽樣方法縮

3、小挖掘規(guī)模。對(duì)序列進(jìn)行模糊分類的研究中，在原有的各種相似性測(cè)度方法的基礎(chǔ)上，提出了一種基于有向圖的時(shí)間序列相似性研究方法，將有向圖的概念引入到序列模式挖掘的過程中來;在序列模式挖掘的過程中，從Prefixspan算法的序列模式挖掘思想出發(fā)，針對(duì)傳統(tǒng)的序列模式算法的局限性，提出了一種基于時(shí)間屬性和點(diǎn)擊量的CTSP算法，對(duì)原有“支持度”概念進(jìn)行了改進(jìn)，引入了頻繁度和時(shí)間屬性的概念，并加入了時(shí)間間隔和點(diǎn)擊量等要素，從而使挖掘得到的信息具有了實(shí)