ID3算法的一种改进算法

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。ID3算法是决策树中的核心算法,文章针对ID3算法倾向于取值较多的属性的缺点,引进用户兴趣度对ID3算法作了改进,并通过实验对改进前后的算法进行了比较,实验表明,改进后的算法是有效的。

基于PLSA方法的用户兴趣聚类

为了在个性化搜索过程中能够准确地挖掘到用户的潜在兴趣并进行相应的聚类分析,提出采用潜语义空间的Zipf分布的特性,并结合PLSA(概率潜在语义分析)来获取全文的语义.即先通过Zipf分布原理找到文档的潜在语义空间,在此空间中对用户的兴趣进行聚类,并建立用户兴趣描述文件(user profile),即建立用户兴趣层次树.实验表明,所提出聚类算法的聚类效果明显优于传统的VSM(向量空间模型)的聚类效果,同时,在著名的CTI数据集上的个性化推荐实验结果也充分说明基于潜在语义空间构建的用户兴趣描述与用户真实兴趣相符合.

个性化搜索引擎中用户兴趣模型的构建方法

在分析个性化搜索引擎的基础上,提出一种构建用户兴趣模型的方法.该方法综合考虑用户注册兴趣及浏览行为,将用户兴趣分为长期兴趣和短期兴趣并通过兴趣树进行存储.遗忘机制的引入保证模型能够及时准确地反映用户兴趣.模拟实验表明,本文提出的用户兴趣模型能够有效地提高检索效率,使搜索结果更好地满足用户个性化需求.

基于用户兴趣度和MID3决策树改进方法

决策树是数据挖掘的重要方法,通常用来形成分类器和预测模型。分析ID3算法和现有的ID3改进算法所存在的问题。提出一种合理且可靠的MID3的改进算法,即针对MID3算法倾向于取值较多属性的缺点,引入了用户兴趣度对算法进行改进,改进后的MID3算法既可以在一定程度上解决多值偏向问题,也可以考虑决策树的两层节点。并通过实验与其他ID3改进算法进行比较,实验结果表明,改进后的MID3算法是有效的。

基于用户近期兴趣视图的个性化推荐

提出了一种基于用户近期视图进行个性化推荐的方法。通过对用户浏览行为的捕获,形成用户近期视图反应用户的这种近期兴趣变化,以此为用户提供及时准确的个性化信息推荐。并用实验验证了利用此方法进行个性化推荐具有比较理想的效果。

电子商务和数字图书馆实现个性化服务的方法

分析现行个性化服务的实现方法 ,探讨用户兴趣及其转移的概念和表达 ;研究兴趣库的结构 ,探索网站怎样通过用户选答问题来建立 ,并通过用户反馈信息的分析来不断修改和完善用户兴趣库。

一种基于INT的用户浏览兴趣路径挖掘算法

用户浏览兴趣模式挖掘,简单地认为用户感兴趣的浏览路径即访问频率比较高的路径,是不准确的。路径的访问频率与其在网站拓扑结构中的位置有很大关系。充分考虑用户在页面上的浏览速率和在路径选择上表现出来的浏览兴趣,同时考虑算法的时间效率,提出了一种基于用户浏览兴趣树(INT)的用户浏览兴趣路径挖掘算法。实验表明,该算法的准确性较高,运行时间短,可扩展性较强,适用于大型Web站点。

个性化信息推荐服务中用户潜在兴趣挖掘研究

如何准确分析用户行为,向用户提供满意的网页信息,一直以来都是个性化信息推荐系统设计的目标。本文在分析现有个性化信息推荐模型的基础上,针对以往研究在推荐兴趣时仅根据语义相关度进行协助性信息推荐,而忽略用户行为规律所包含的潜在兴趣信息的不足,尝试提出一个结合Web语义挖掘和FP-tree规则发现技术的个性化信息推荐模型。该模型利用本体对语义的明确化描述,在挖掘用户行为信息时获取用户兴趣偏好的语义信息,并利用FP-tree技术根据以获取的语义信息推理出用户兴趣行为模式,从而在信息推荐时不仅能准确理解用户兴趣偏好,也能根据用户潜在兴趣规律,推荐给用户更全面的网页信息。

一种多维多粒度用户兴趣模型研究

人们在享受网络服务带来便利的同时,也不得不面对"信息过载"和"信息迷航"的问题.发现用户兴趣并推送用户感兴趣资源是解决这一问题的有效途径.通过分析用户兴趣特点,设计了一种多维多粒度用户兴趣模型UIM.该模型采用概念分类树维护用户兴趣主题的多粒度性,用倾斜时间窗口维护用户兴趣时间的多粒度性,用时间衰减模型区分用户当前兴趣与历史兴趣的权重.采取增量更新UIM以及对UIM剪枝,保证UIM结构精简与高效,从而可快速查找出用户的top-k兴趣概念.仿真实验结果显示,UIM模型具有存储效率高,可发现用户不同时间窗口内兴趣的特点,其正确性优于其它同类模型.

改进决策树算法在水环境质量评价中的应用

根据淮河某流域连续三年来的水质监测数据,结合用户兴趣度和MID3算法对ID3决策树算法进行改进,并将改进的决策树算法运用于水质评价,建立了淮河某流域水质量评价模型,实现了对水环境质量的评估和决策支持.实验结果表明,改进算法所建立的决策树精确度高、树型结构简单,生成的规则简便、准确,更加符合实际情况,对水环境质量可以作出更为客观、合理的评价,具有一定的实用价值.

基于用户兴趣的个性化模型研究

大多数搜索引擎没有考虑到用户的个性和兴趣,大大降低了搜索的准确性。采用Web挖掘技术对存放在Web缓存中的历史页面进行挖掘,获取用户的兴趣信息,使用最优二叉树的形式来表示用户兴趣,利用获取的用户兴趣信息来构建个性化模型,并且利用智能Agent跟踪用户的兴趣变化,不断地对用户兴趣个性化模型进行更新。

基于R树的协同过滤推荐算法

R树是一个高度平衡树,也是目前应用最为广泛的空间索引结构.本文以用户行为的历史数据之间的相似度构造R树,提出一种基于R树的协同过滤推荐算法(R_CF);另外,从用户的隐式反馈着手,构建用户兴趣行为数据模型,并进行数据标准化处理.仿真实验表明:较之传统的协同过滤推荐算法(CF),本文提出的R_CF算法可以极大提升推荐top-n个相似度最高的用户时的查询速度.

基于语义的用户关注度计算

基于用户关注度的场景绘制是大规模场景表意式绘制的研究热点之一。用户关注度高的景物应充分展示其细节,而用户关注度低的景物则可淡化其绘制效果。传统方法基于景物与用户关注中心景物的空间距离计算景物用户关注度。提出一种基于语义的景物用户关注度计算算法,首先建立场景的语义森林模型并预计算任意两语义之间的语义距离;运行时,根据用户输入的关注中心景物的语义和空间位置,综合考虑景物与该关注中心的语义距离与空间距离,计算景物的用户关注度;最后,根据用户关注度对景物分类,并通过多风格绘制与合成得到最终结果。本文算法计算的景物用户关注度更符合人类感知,且性能上可以达到交互实时。