基于频繁模式挖掘的工程建设监管平台用户体验优化研究
发布时间:2021-02-23 08:43
分析工程建设监管平台特征,指出平台结构优化的必要性。考虑到不同路径对用户的重要性不同且平台流程复杂,难以统一支持度阈值,采用多最小支持度加权频繁模式算法构建挖掘模型,并根据权值大小对不同路径设置不同的支持度阈值,以尽可能挖掘用户感兴趣的路径集。最后对广西水利建设项目监管平台用户日志进行实验,找出用户频繁访问路径,为平台用户使用体验的优化提供决策支持。
【文章来源】:科技管理研究. 2020,40(17)北大核心CSSCI
【文章页数】:8 页
【部分图文】:
频繁项集挖掘算法流程
丰景春等:基于频繁模式挖掘的工程建设监管平台用户体验优化研究185表2实验数据概况统计单位:个用户类型实验数据企业数量实验数据量用户数量会话数量成套设备企业29417778141检测单位3476816100监理单位48451071991193监测单位4559431146设备企业108497293151081设计单位49513982345217施工单位383462659241626029招标代理机构50149801104993.2实验结果及分析以成套设备企业为例进行实验,对成套设备企业用户访问的65个页面进行频繁模式挖掘,计算得到的页面权重分布如图2所示。图2页面权重分布状况实验计算得到页面权重范围为[0,0.30],权重均值为0.02,根据公式(7)得出不同权重等级下最小支持度阈值的计算方法:(8)令等于0,将项的最小支持度阈值设定为[17]:(9)式中:是用户给定的最小支持度阈值,取值范围设定为,其中表示各项加权支持度的最大值,计算结果为0.09。常数用来调整项的支持度与给定支持度阈值之间的关系,取值范围设定为页面权重范围即[0,0.09],可以看到当时即为单一支持度加权频繁项集挖掘,当介于[0,0.09]时即为多最小支持度加权频繁模式挖掘。和取值不同,挖掘得到的频繁模式数量也会有所差异,我们以频繁项集的挖掘结果观察和取值不同对结果造成的影响,挖掘结果见图3及图4。图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看
?度加权频繁项集挖掘,当介于[0,0.09]时即为多最小支持度加权频繁模式挖掘。和取值不同,挖掘得到的频繁模式数量也会有所差异,我们以频繁项集的挖掘结果观察和取值不同对结果造成的影响,挖掘结果见图3及图4。图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看到,对不同权重等级设定不同的支持度阈值能够减少挖掘到的频繁模式数量,在一定程度上可以解决组合爆炸问题。为了评估挖掘结果的质量,取LS=0.0002时挖掘得到的频繁模式集,对它们的权重进行分析,结果见表3。表表3频繁项集权重描述性统计分析是否划分权重等级权重最小值权重最大值权重平均值权重中位数划分权重等级0.00360.30500.04320.0347图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看到,对不同权重等级设定不同的支持度阈值能够减少挖掘到的频繁模式数量,在10图图3LLS==0,变变化时频繁项集数量图图4根据图3和图4得到,随着和LS的增大,挖掘得到的频的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总
【参考文献】:
期刊论文
[1]基于蚁群算法的关联规则挖掘[J]. 衣梦涵,王慧颖. 统计与决策. 2019(17)
[2]基于兴趣度的Web访问用户关联规则挖掘[J]. 李昌兵,凌永亮,汪尔晶. 计算机工程与设计. 2017(04)
[3]关联规则挖掘中查找频繁项集的改进算法[J]. 张启徽. 统计与决策. 2015(04)
[4]基于矩阵多源加权关联规则在个性化推荐中的应用[J]. 朱清香,侯会茹,刘晶,戴培森,晏霄. 科技管理研究. 2015(01)
[5]基于布尔矩阵的高价值度关联规则挖掘算法[J]. 叶世绮,孙振,赵喆. 科技管理研究. 2014(06)
[6]基于加权关联规则挖掘的相关文献推荐[J]. 陈祖琴,张惠玲,葛继科,郑宏. 现代图书情报技术. 2007(10)
[7]多重最小支持度频繁项集挖掘算法研究[J]. 张慧哲,王坚. 计算机应用. 2007(09)
[8]一种基于用户访问模式优化网站结构的算法[J]. 冯洁,陶宏才. 微电子学与计算机. 2007(07)
[9]基于多最小支持度的加权关联规则挖掘算法[J]. 邹力鹍,张其善. 北京航空航天大学学报. 2007(05)
[10]关联规则在网站结构优化中的改进算法[J]. 井福荣,谢辅雯. 计算机系统应用. 2007(01)
本文编号:3047317
【文章来源】:科技管理研究. 2020,40(17)北大核心CSSCI
【文章页数】:8 页
【部分图文】:
频繁项集挖掘算法流程
丰景春等:基于频繁模式挖掘的工程建设监管平台用户体验优化研究185表2实验数据概况统计单位:个用户类型实验数据企业数量实验数据量用户数量会话数量成套设备企业29417778141检测单位3476816100监理单位48451071991193监测单位4559431146设备企业108497293151081设计单位49513982345217施工单位383462659241626029招标代理机构50149801104993.2实验结果及分析以成套设备企业为例进行实验,对成套设备企业用户访问的65个页面进行频繁模式挖掘,计算得到的页面权重分布如图2所示。图2页面权重分布状况实验计算得到页面权重范围为[0,0.30],权重均值为0.02,根据公式(7)得出不同权重等级下最小支持度阈值的计算方法:(8)令等于0,将项的最小支持度阈值设定为[17]:(9)式中:是用户给定的最小支持度阈值,取值范围设定为,其中表示各项加权支持度的最大值,计算结果为0.09。常数用来调整项的支持度与给定支持度阈值之间的关系,取值范围设定为页面权重范围即[0,0.09],可以看到当时即为单一支持度加权频繁项集挖掘,当介于[0,0.09]时即为多最小支持度加权频繁模式挖掘。和取值不同,挖掘得到的频繁模式数量也会有所差异,我们以频繁项集的挖掘结果观察和取值不同对结果造成的影响,挖掘结果见图3及图4。图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看
?度加权频繁项集挖掘,当介于[0,0.09]时即为多最小支持度加权频繁模式挖掘。和取值不同,挖掘得到的频繁模式数量也会有所差异,我们以频繁项集的挖掘结果观察和取值不同对结果造成的影响,挖掘结果见图3及图4。图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看到,对不同权重等级设定不同的支持度阈值能够减少挖掘到的频繁模式数量,在一定程度上可以解决组合爆炸问题。为了评估挖掘结果的质量,取LS=0.0002时挖掘得到的频繁模式集,对它们的权重进行分析,结果见表3。表表3频繁项集权重描述性统计分析是否划分权重等级权重最小值权重最大值权重平均值权重中位数划分权重等级0.00360.30500.04320.0347图图3LLS==0,变变化时频繁项集数量图图4==0.04,LLS变变化时频繁项集数量根据图3和图4得到,随着和LS的增大,挖掘得到的频繁项集数量均逐渐减少。取页面权重的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总和观察不同支持度阈值前后挖掘到的频繁模式数量的差别,详见图5:图图5划分与未划分权重等级挖掘结果比较从图5可以看到,对不同权重等级设定不同的支持度阈值能够减少挖掘到的频繁模式数量,在10图图3LLS==0,变变化时频繁项集数量图图4根据图3和图4得到,随着和LS的增大,挖掘得到的频的中位数作为的值,用频繁_n_项集n)3(挖掘到的数目总
【参考文献】:
期刊论文
[1]基于蚁群算法的关联规则挖掘[J]. 衣梦涵,王慧颖. 统计与决策. 2019(17)
[2]基于兴趣度的Web访问用户关联规则挖掘[J]. 李昌兵,凌永亮,汪尔晶. 计算机工程与设计. 2017(04)
[3]关联规则挖掘中查找频繁项集的改进算法[J]. 张启徽. 统计与决策. 2015(04)
[4]基于矩阵多源加权关联规则在个性化推荐中的应用[J]. 朱清香,侯会茹,刘晶,戴培森,晏霄. 科技管理研究. 2015(01)
[5]基于布尔矩阵的高价值度关联规则挖掘算法[J]. 叶世绮,孙振,赵喆. 科技管理研究. 2014(06)
[6]基于加权关联规则挖掘的相关文献推荐[J]. 陈祖琴,张惠玲,葛继科,郑宏. 现代图书情报技术. 2007(10)
[7]多重最小支持度频繁项集挖掘算法研究[J]. 张慧哲,王坚. 计算机应用. 2007(09)
[8]一种基于用户访问模式优化网站结构的算法[J]. 冯洁,陶宏才. 微电子学与计算机. 2007(07)
[9]基于多最小支持度的加权关联规则挖掘算法[J]. 邹力鹍,张其善. 北京航空航天大学学报. 2007(05)
[10]关联规则在网站结构优化中的改进算法[J]. 井福荣,谢辅雯. 计算机系统应用. 2007(01)
本文编号:3047317
本文链接:https://www.wllwen.com/guanlilunwen/chengjian/3047317.html