基于用戶行為挖掘的推薦算法改進及應(yīng)用研究.pdf

1、現(xiàn)有的序列模式挖掘算法已經(jīng)在大型的數(shù)據(jù)庫中得到廣泛的應(yīng)用。然而，隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展和應(yīng)用領(lǐng)域的不斷細化，用戶對挖掘出來的序列模式提出了更高的要求。因此，將用戶的要求或者是興趣轉(zhuǎn)化成一種或多種約束，來限定挖掘的維數(shù)，提高挖掘的效率已經(jīng)成為挖掘領(lǐng)域內(nèi)的一個研究重點。本文針對上述問題，將研究的重點放在了基于約束的序列模式挖掘算法的研究上，這對研究超市中客戶購買模式、網(wǎng)站訪問頁面的序列模式、電信告警序列模式和DNA模式等問題有重要的意義。<

2、br>　　本文對國內(nèi)外現(xiàn)有的序列模式挖掘算法和基于約束的序列模式挖掘算法進行了深入的研究和分析?；诩s束的序列模式挖掘是在序列模式挖掘的基礎(chǔ)上考慮了一些其它的信息，例如在超市客戶購買行為分析中考慮到客戶的年齡、性別等信息，這樣的模式融合了更多的信息，應(yīng)用價值也更高。
　　本文通過對序列模式挖掘方法的研究和探討，分別在預(yù)處理的過程中和序列模式的挖掘過程中進行了改進。在數(shù)據(jù)預(yù)處理的過程中，提出先將序列模糊分類，再利用數(shù)學(xué)中的抽樣方法縮

3、小挖掘規(guī)模。對序列進行模糊分類的研究中，在原有的各種相似性測度方法的基礎(chǔ)上，提出了一種基于有向圖的時間序列相似性研究方法，將有向圖的概念引入到序列模式挖掘的過程中來;在序列模式挖掘的過程中，從Prefixspan算法的序列模式挖掘思想出發(fā)，針對傳統(tǒng)的序列模式算法的局限性，提出了一種基于時間屬性和點擊量的CTSP算法，對原有“支持度”概念進行了改進，引入了頻繁度和時間屬性的概念，并加入了時間間隔和點擊量等要素，從而使挖掘得到的信息具有了實