面向用户偏好分析的无向图层次聚类并行优化算法∗
2020-07-13刘晓慧杜军威余东瑾
计算机与数字工程 2020年5期
刘晓慧 江 峰 杜军威 余东瑾
(青岛科技大学信息科学技术学院 青岛 266061)
1 引言
随着互联网时代的崛起和飞速发展,各种信息和数据正呈指数级增长,在这种数据爆炸式扩张的情况下,却出现一种有价值信息匮乏的现象,从丰富复杂的数据信息中提取出具有实际意义的信息已经成为当代的迫切需求[1]。因此,随着时代的发展,数据挖掘也在迅速发展,并且正在遍及于各个领域。由CNNIC公布的39期中国互联网络发展状况显示,到2017年12月为止,中国互联网用户数量为7.72亿,渗透率上升为55.8%。在以人为本的web3.0平台下,需使用更人性化的方式对互联网用户的兴趣点[2]进行分析,并且利用此兴趣点来为互联网浏览用户实现有针对性的服务。
用户的偏好分析可以由用户的浏览内容得到,以分类、聚类的方式对用户浏览内容进行细致划分,通过挖掘用户搜索行为进一步得到更为具体的搜索内容信息,进而得到用户的细粒度偏好输出。近些年来,越来越多的学者们关注于用户的偏好方面的分析,从用户角度出发的如协调过滤等算法[3],或关注电子商务领域中的用户的模型构建[4]。从而分析不同用户的偏好特点。然而,目前的用户偏好分析方法仍然有很多不足[5]。首先,现有的大多数算法是挖掘浏览用户的原始属性,因此在用户的细粒度分析部分变得难以实现;另外,在挖掘细粒度偏好时,现有算法的精度和效率不是很理想。
在传统的无向图层次聚类[6]中,首先将无向图所有的边执行排序操作,然后在所有的边中选择最大权重[7]的一条边,最后算法对该边的相邻节点完成合并,并对连接到邻居节点的每一条边重新计算权重。……
登录APP查看全文
