K-medoids聚類算法及在社會標(biāo)簽系統(tǒng)中的應(yīng)用研究.pdf

1、Web2.0技術(shù)的日益盛行,隨之而來的便是更加豐富的新型數(shù)據(jù)和大量網(wǎng)絡(luò)用戶。如何利用標(biāo)簽特性,結(jié)合數(shù)據(jù)挖掘的相關(guān)技術(shù),挖掘用戶的興趣信息,從而更好地理解用戶、發(fā)現(xiàn)用戶的行為規(guī)律,據(jù)此提供針對不同用戶的個性化服務(wù)具有重要的理論和現(xiàn)實意義。本文將對社會化標(biāo)簽環(huán)境下的用戶進行分析,具體包括以下幾個方面:
　　 1、深入分析研究K-medoids算法,針對傳統(tǒng)K-medoids算法所存在的初始中心點選擇敏感、大數(shù)據(jù)集聚類應(yīng)用中性能低下等

2、問題,提出從初始中心和運行效率上對其進行改進,改進策略為:首先使用簇內(nèi)微調(diào)的方式對初始中心進行優(yōu)化處理并劃分后,再采取逐步擴展中心候選集的方式來降低中心替換的時間復(fù)雜度。分別從理論和UCI數(shù)據(jù)集上的實驗進行了驗證,實驗結(jié)果表明改進的算法取得了更好的聚類質(zhì)量,且在運行效率上有了很大的提高。
　　 2、K-medoids聚類在標(biāo)簽用戶特征分析中的應(yīng)用。首先,對于個體用戶,先對標(biāo)簽系統(tǒng)中個性化用戶建模技術(shù)進行研究,針對現(xiàn)有模型構(gòu)建方法

3、中所存在的問題,設(shè)計了一種新的建模方法一基于標(biāo)簽與標(biāo)簽組相結(jié)合的用戶建模方法(Tag Combined with Tag-Pair,簡稱TCTP法):該方法將自然法與共現(xiàn)法相結(jié)合,綜合他們各自的優(yōu)勢,既考慮了能體現(xiàn)用戶興趣特點的單個標(biāo)簽,又將經(jīng)常聯(lián)合使用的標(biāo)簽對加進來,Bibsonomy數(shù)據(jù)集實驗驗證了該方法較自然法和共現(xiàn)法取得了更好的結(jié)果;其次,對由TCTP法構(gòu)建的用戶興趣模型進行了分析,了解個體用戶的特征;最后,把K-medoids