大数据背景下基于K-means算法的Web用户兴趣特性因子的提取研究

宁莉莉

首页> 中文期刊> 《自动化与仪器仪表》 >大数据背景下基于K-means算法的Web用户兴趣特性因子的提取研究

大数据背景下基于K-means算法的Web用户兴趣特性因子的提取研究

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对传统Web用户兴趣特性因子提取方法存在数据挖掘准确度低,导致用户个性化推荐效果不佳的问题,在大数据背景下,提出一种基于改进粒子群优化的K-means算法。首先,对PSO算法从粒子惯性权重和学习因子、转换时机、粒子变异操作进行改进;然后利用改进的PSO算法优化K-means算法,由此得到MPSO-K-means算法;最后通过MPSO-K-means算法加快收敛,增强Web用户数据聚类和挖掘效果。结果表明,进行5次聚类的K-means算法和PSO+K-means算法的总体纯度平均值分别为0.68和为0.84,本算法的总体纯度值为0.96,比前两种算法分别高出了0.29和0.185。对比于其他经典算法,本算法的聚类纯度值分别高出了0.18和0.115。由此说明,提出的MPSO-K-means算法的数据挖掘和聚类效果明显更佳,通过本算法可实现Web用户兴趣特性因子准确提取,提升用户个性化推荐效果。

著录项

来源
《自动化与仪器仪表》 |2023年第9期|41-45|共5页
作者
宁莉莉;
展开▼
作者单位

咸阳职业技术学院;

陕西咸阳712000;

展开▼
原文格式 PDF
正文语种 chi
中图分类各种专用数据库;
关键词
K-means算法; 粒子群优化; Web用户兴趣; 数据挖掘; 聚类分析;

相似文献

中文文献
外文文献
专利

1. 基于K-Means与DBSCAN聚类算法据背景下基于高校综合性数据的学生行为分析与研究 [J] . 田春子 ,杨万 ,杨德会 . 黑龙江科技信息 . 2020,第32期
2. 基于K-Means与DBSCAN聚类算法据背景下基于高校综合性数据的学生行为分析与研究 [J] . 田春子 ,杨万 ,杨德会 . 科学技术创新 . 2020,第32期
3. 大数据环境下基于K-means聚类算法的分组负荷预测研究 [J] . 史静 ,南开辉 ,周琪 . 电力大数据 . 2020,第6期
4. 大数据环境下基于K-means聚类算法的分组负荷预测研究 [J] . 史静 ,南开辉 ,周琪 . 贵州电力技术 . 2020,第6期
5. 基于大数据下K-means聚类算法的在线学习行为路径应用研究 [J] . 刘思宏 ,余飞 . 甘肃联合大学学报（自然科学版） . 2019,第1期
6. 大数据环境下基于K-means的用户画像与智能推荐的应用 [C] . Li Bing ,李冰 ,Wang Yue . 中国烟草学会2017年学术年会 . 2017
7. 大数据背景下基于Web日志的用户访问模式挖掘研究 [A] . 夏烈阳 . 2019

大数据背景下基于K-means算法的Web用户兴趣特性因子的提取研究

摘要

著录项

相似文献

相关主题

期刊订阅