基于SVM的视频用户需求预测算法

移动互联网的不断成熟和智能终端设备的普及推动了视频行业的发展,视频用户喜好的不同使得用户对视频内容的需求也不相同,精准的用户需求预测有利于从大量视频中寻找用户所需的视频内容,节约用户寻找其喜爱视频内容的时间,提升用户体验。为实现用户需求预测,该文基于支持向量机(support vector machine, SVM)理论构建不同核函数下的用户需求预测模型,并利用迭代特征消除法对小波去噪后的数据进行降维处理,降低预测模型的复杂度。通过对不同核函数下SVM用户需求预测模型的对比分析,得到参数优化后的SVM用户需求预测模型具有最佳的预测效果,验证了参数优化对预测模型的重要性。优化后的SVM用户需求预测模型的预测结果均方误差(mean square error, MSE)为0.012 5,平均绝对百分比误差(mean absolute percentage error, MAPE)为0.075 5,准确率(Accuracy)为90.23%。

基于智能Agent的数据挖掘在数字图书馆中的应用

文章分析了数据挖掘与智能Agent的含义及特点,提出了利用智能Agent、数据挖掘技术对数字图书馆中的用户资料及访问web时的当前请求进行预测分析,据此获取用户兴趣爱好、访问习惯,预测用户行为,挖掘用户潜在需求,减少用户访问延迟,提高用户获取信息的效率,为其提供主动的个性化信息服务。