版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、網(wǎng)絡(luò)已經(jīng)發(fā)展成為人們生活的重要部分,網(wǎng)絡(luò)上存儲(chǔ)的信息是海量的,而且處于不斷變化中。網(wǎng)絡(luò)用戶期望得到個(gè)性化的服務(wù),網(wǎng)絡(luò)服務(wù)端需要為其推出個(gè)性化服務(wù)提供決策參考,用戶興趣挖掘技術(shù)也就應(yīng)運(yùn)而生了。
用戶興趣挖掘技術(shù)對(duì)用戶的興趣進(jìn)行有效地記錄、分析,并圍繞著描述用戶興趣的計(jì)算模型開發(fā)應(yīng)用??紤]建立用戶興趣模型的可用性及準(zhǔn)確度,我們選擇隱式建模方式,即不需要用戶中斷網(wǎng)絡(luò)瀏覽過(guò)程,通過(guò)收集反映用戶興趣的信息來(lái)建立用戶模型,推斷用戶的興趣。
2、本文采用記錄了用戶的搜索和訪問(wèn)等信息的日志文件。處理過(guò)程主要分為三個(gè)階段:預(yù)處理、用戶興趣建模、應(yīng)用。
為了更好地處理大量的,并且增量式加入的網(wǎng)絡(luò)文檔,系統(tǒng)的主要建模技術(shù)采用了處理時(shí)間為線性的BIRCH聚類。經(jīng)過(guò)日志過(guò)濾、正文抽取等預(yù)處理之后,采用傳統(tǒng)的向量空間模型的網(wǎng)絡(luò)文檔的文本表示特征往往呈現(xiàn)出高維而且稀疏的特點(diǎn),本文提出了加入改進(jìn)的潛在語(yǔ)義索引處理,對(duì)比實(shí)驗(yàn)證明,處理時(shí)間明顯地縮短,恰當(dāng)?shù)剡x擇BIRCH參數(shù)以及LSI中的
3、k值,能夠得到適應(yīng)所用數(shù)據(jù)和應(yīng)用領(lǐng)域的更好的聚類結(jié)果。驗(yàn)證了潛在語(yǔ)義索引技術(shù)可以在保留主要語(yǔ)義結(jié)構(gòu)的基礎(chǔ)上降低文本表示的維數(shù),在形成的潛在語(yǔ)義空間中提取最有意義的維度作為特征表示。
有效性度量是評(píng)價(jià)結(jié)果的關(guān)鍵,其中有效性函數(shù)的選擇是一個(gè)關(guān)系到判定效果的關(guān)鍵。針對(duì)不同的數(shù)據(jù),BIRCH聚類需要找到優(yōu)化的參數(shù)才能得到更好的結(jié)果。本文研究了人工免疫網(wǎng)絡(luò)算法,探索將其自適應(yīng)機(jī)制引入BIRCH聚類的參數(shù)調(diào)節(jié)優(yōu)化過(guò)程中,根據(jù)調(diào)節(jié)得到的參數(shù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于潛在語(yǔ)義索引的文本聚類算法研究.pdf
- 基于潛在語(yǔ)義索引的文本聚類技術(shù)研究.pdf
- 結(jié)合聚類的潛在語(yǔ)義檢索算法研究.pdf
- 基于本體和潛在語(yǔ)義索引算法的文本分類方法研究.pdf
- 基于潛在語(yǔ)義索引及層次聚類特征空間重構(gòu)方法與應(yīng)用研究.pdf
- 潛在語(yǔ)義索引在中文文本聚類中的應(yīng)用研究.pdf
- 基于ATN算法和潛在語(yǔ)義索引的不良信息過(guò)濾系統(tǒng)研究.pdf
- 基于語(yǔ)義的短文本聚類算法研究.pdf
- 基于BIRCH和改進(jìn)k中心點(diǎn)算法的古籍漢字圖像聚類研究.pdf
- 基于語(yǔ)義距離的文本聚類算法研究.pdf
- 基于微分進(jìn)化免疫和聚類的RBF網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于潛在語(yǔ)義索引模型的查詢語(yǔ)義擴(kuò)展模型.pdf
- 基于潛在語(yǔ)義的文本自動(dòng)聚類系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于潛在語(yǔ)義的中文文本聚類及其應(yīng)用.pdf
- 基于潛在語(yǔ)義索引和VAR-Tree的文本分類研究.pdf
- 基于用戶模型質(zhì)量和語(yǔ)義聚類的標(biāo)簽推薦算法研究.pdf
- 基于免疫遺傳算法和粒子群算法的聚類研究.pdf
- 一種改進(jìn)的概率潛在語(yǔ)義分析下的文本聚類算法研究.pdf
- 基于Chameleon聚類算法的R樹索引方法研究.pdf
- 基于混合聚類的空間索引算法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論