[1]李培,马力.网络用户兴趣的智能挖掘方法研究[J].计算机技术与发展,2014,24(02):76-78.
　LI Pei,MA Li.Research on Intelligent Mining Method for Web Users Interests[J].,2014,24(02):76-78.
点击复制

网络用户兴趣的智能挖掘方法研究()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
24
期数:
2014年02期
页码:
76-78
栏目:
智能、算法、系统工程
出版日期:
2014-02-28

文章信息/Info

Title:
Research on Intelligent Mining Method for Web Users Interests
文章编号:
1673-629X（2014）02-0076-03
作者:
李培; 马力
西安邮电大学
Author(s):
LI Pei; MA Li
关键词:
兴趣挖掘; 文本聚类; 智能算法
Keywords:
mining interests; text clustering; intelligent algorithm
分类号:
TP301
文献标志码:
A
摘要:
目前网络上的重要应用都是围绕对用户兴趣的研究和发现而展开和完善的，主要的方式是借助于对用户的Web访问数据进行相关挖掘。该研究主要是通过建立一个从底层数据获取到上层数据处理的原型系统，对真实捕获的网络数据利用小世界网络模型提取中文文档关键字后处理为用户兴趣，再将用户的访问兴趣通过隐马尔可夫模型抽象成一种时间序列，依次反映用户兴趣的序列性，从而利用GSP算法得到用户的兴趣并供后续处理。实验证明，该原型系统从数据获取到最终处理，可以得到比较满意的结果。
Abstract:
At present important applications on the network is expanded and improved around research and discovery of user interest,the main way is through Web access to data mining. The research is mainly through the establishment of a prototype from underlying data ac-quisition to the upper data processing,for an actual network data captured apply the small world network model to extract keyword as user interests,which are extracted a kind of time series by hidden Markov model,which was used to reflect the sequential features of the user interest. Use GSP algorithm to mine the user's interests for processing. Experiments show that the prototype system from data acquisition to final disposal can be more satisfied with the results.

相似文献/References:

[1]黄文江 李翔 林祥.基于Chameleon算法的文本聚类技术研究[J].计算机技术与发展,2010,(06):1.
　HUANG Wen-jiang,LI Xiang,LIN Xiang.Research on Text Clustering Based on Chameleon Algorithm[J].,2010,(02):1.
[2]许高建.基于Web的文本挖掘技术研究[J].计算机技术与发展,2007,(06):187.
　XU Gao-jian.Research on Text Mining Techniques Web- Based[J].,2007,(02):187.
[3]费洪晓 穆珺 刘正.基于文本聚类和权重调整的用户兴趣建模算法[J].计算机技术与发展,2007,(02):128.
　FEI Hong-xiao,MU Jun,LIU Zheng.Study on User Profile Learning Algorithm Based on Document Clustering and Feature Weight Adjustment[J].,2007,(02):128.
[4]何聚厚,范文静.基于改进K-Means算法的教学反思文本聚类研究[J].计算机技术与发展,2013,(11):99.
　HE Ju-hou[],FAN Wen-jing[].Research on Text Clustering of Teaching Reflection Based on Improved K-Means Algorithm[J].,2013,(02):99.
[5]李晨,杨子江,朱世伟,等. 基于Hadoop的网络舆情监控平台设计与实现[J].计算机技术与发展,2016,26(02):144.
　LI Chen,YANG Zi-jiang,ZHU Shi-wei,et al. Design and Implementation of Network Consensus Monitoring System Based on Hadoop[J].,2016,26(02):144.
[6]潘晓英,胡开开,朱静. 一种基于TextRank的文本二次聚类算法[J].计算机技术与发展,2016,26(08):7.
　PAN Xiao-ying,HU Kai-kai,ZHU Jing. A Secondary Text Clustering Algorithm Based on TextRank[J].,2016,26(02):7.
[7]张兴兰,刘炀. 基于复杂网络及神经网络挖掘用户兴趣的方法[J].计算机技术与发展,2016,26(12):22.
　ZHANG Xing-lan,LIU Yang. Method of Mining User Interest Based on Complex Network and Neural Network[J].,2016,26(02):22.
[8]王安瑾.一种基于 MinHash 的改进新闻文本聚类算法[J].计算机技术与发展,2019,29(02):39.[doi:10．3969/j．issn．1673－629X．2019．02．008]
　WANG Anjin.An Improved News Text Clustering Algorithm Based on MinHash[J].,2019,29(02):39.[doi:10．3969/j．issn．1673－629X．2019．02．008]
[9]杨丹,朱世玲,卞正宇.基于改进的K-means算法在文本挖掘中的应用[J].计算机技术与发展,2019,29(04):68.[doi:10. 3969 / j. issn. 1673-629X. 2019. 04. 014]
　YANG Dan,ZHU Shi-ling,BIAN Zheng-yu.Application of Improved K-means Algorithm in Text Mining[J].,2019,29(02):68.[doi:10. 3969 / j. issn. 1673-629X. 2019. 04. 014]
[10]唐东平,吴邵宇.基于情境感知的餐饮 O2O 推荐系统研究[J].计算机技术与发展,2020,30(01):118.[doi:10. 3969 / j. issn. 1673-629X. 2020. 01. 021]
　TANG Dong-ping,WU Shao-yu.Research on Catering O2O Recommendation System Based on Context Awareness[J].,2020,30(02):118.[doi:10. 3969 / j. issn. 1673-629X. 2020. 01. 021]

更新日期/Last Update: 1900-01-01