序列事件周期性檢測模型優(yōu)化及應(yīng)用.pdf

1、周期模式挖掘是在時(shí)間序列數(shù)據(jù)中尋找重復(fù)出現(xiàn)的序列模式的方法，主要用來刻畫變化較小或者穩(wěn)定的用戶行為模式，在許多應(yīng)用場景下，時(shí)間序列數(shù)據(jù)的周期模式挖掘都具有重要意義。
　　本文在基于交叉熵的序列事件周期性檢測方法CEPD（Cross-Entropy based Periodicity Detection）的基礎(chǔ)上，針對該方法存在的三個(gè)問題，做了進(jìn)一步改進(jìn)和拓展研究，并結(jié)合電子商務(wù)和移動(dòng)互聯(lián)網(wǎng)環(huán)境下的用戶行為進(jìn)行了推薦應(yīng)用。
　

2、　本文的主要內(nèi)容包括三個(gè)方面，第一，實(shí)現(xiàn)了基于交叉熵的序列事件周期性檢測方法的對比研究，并給出了該方法理論上的時(shí)間復(fù)雜度，在構(gòu)造數(shù)據(jù)集和實(shí)際數(shù)據(jù)集上，將基于交叉熵的序列事件周期性檢測方法與其他已有方法在運(yùn)行效率、抗噪音性能和周期檢測結(jié)果的準(zhǔn)確率這三個(gè)方面進(jìn)行了對比，從實(shí)驗(yàn)和理論兩個(gè)方面證明了該方法的可用性。第二，使用機(jī)器學(xué)習(xí)中的正則化技術(shù)對周期檢測方法的目標(biāo)函數(shù)進(jìn)行優(yōu)化，解決了交叉熵隨劃分周期的增大而系統(tǒng)性下降的問題，提高了方法的可用性

3、以及周期檢測結(jié)果的可用性，并使用構(gòu)造數(shù)據(jù)和實(shí)際數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證。在具有明顯周期的數(shù)據(jù)集上，添加了正則化項(xiàng)之后的模型更容易檢測到合適的周期值。第三，挖掘用戶行為模式的周期性，結(jié)合周期性檢測的結(jié)果進(jìn)行推薦應(yīng)用。加入周期性信息一方面引入了用戶行為的時(shí)間信息，另一方面刻畫了用戶自身的規(guī)律性特征。CEPD算法效率分析從理論和實(shí)驗(yàn)兩個(gè)方面驗(yàn)證了基于交叉熵的序列事件周期性檢測方法的可用性，正則化技術(shù)的引入解決了交叉熵隨劃分周期的增大而系統(tǒng)性下降的問題

4、，提高了方法的可用性，為下一步的推薦應(yīng)用奠定了基礎(chǔ)。
　　本文的貢獻(xiàn)在于以下三個(gè)方面，第一從理論上證明了該算法的時(shí)間復(fù)雜度優(yōu)于其他算法，從實(shí)驗(yàn)和理論兩個(gè)方面證明了該方法的可用性。第二引入機(jī)器學(xué)習(xí)中的正則化技術(shù)，對基于交叉熵的序列事件周期性方法進(jìn)行優(yōu)化處理，解決了交叉熵隨劃分周期的增大而系統(tǒng)性下降的問題，提高了該方法的可用性以及周期檢測結(jié)果的可用性。第三結(jié)合基于交叉熵的序列事件周期性檢測結(jié)果，構(gòu)建了基于用戶行為周期性的推薦策略，同時(shí)