融合情境因素的电子商务用户兴趣挖掘仿真

发布时间：2021-09-28 06:52

　　针对当前电子商务用户兴趣挖掘过程,普遍存在准确度较低、综合性能较差以及召回率较低等问题。提出融合情境因素下基于网络结构的电子商务用户兴趣挖掘方法。通过计算融合情境相似度来获取电子商务用户当前情境的近似情境集,对电子商务用户-兴趣项-情境构建三维模型,采用情境预过滤方法对近似情境集进行降维处理,以此得到每种主题的兴趣度。根据兴趣度大小将电子商务用户模式划分为低兴趣度、一般兴趣度、高兴趣度三个级别,保留电子商务用户兴趣度较高的模式,删除较低的模式,完成电子商务用户兴趣挖掘。实验结果表明,所提出方法用户兴趣挖掘准确率较高、综合性能较好、召回率较高。 

【文章来源】：计算机仿真. 2020,37(04)北大核心

【文章页数】：4 页

【部分图文】：

3种挖掘方法的综合评价值

【参考文献】：
期刊论文
[1]基于多模数据的微博用户兴趣识别研究[J]. 曾金,陆伟,陈海华,贺国秀.  情报科学. 2018(01)
[2]云计算环境下用户兴趣数据准确检测仿真[J]. 张志东.  计算机仿真. 2017(10)
[3]支持联机分析处理的推特用户兴趣维层次提取方法[J]. 俞东进,倪智勇,孙景超.  电子与信息学报. 2017(09)
[4]基于时空密度算法的用户轨迹数据兴趣区域发现[J]. 周新丽,桑梓森,张越.  中国科技论文. 2017(08)
[5]DFM-IA:面向B2C电子商务的多源用户兴趣数据采集机制[J]. 李聪,马丽,梁昌勇.  管理工程学报. 2017(01)
[6]基于用户兴趣迁移的Web日志仿真生成算法[J]. 彭行雄,肖如良.  计算机应用. 2016(12)
[7]结合用户兴趣的微博信息传播模式挖掘[J]. 郝志峰,黄灿锦,蔡瑞初,温雯,黄宇鹏,陈炳丰.  模式识别与人工智能. 2016(10)
[8]微博中结合转发特性的用户兴趣话题挖掘方法[J]. 王永贵,张丰田,刘雨诗,肖成龙.  计算机应用研究. 2017(07)
[9]基于主题的用户兴趣模型的构建及动态更新[J]. 唐晓波,谢力.  情报理论与实践. 2016(02)



本文编号：3411439