用户关注行为价值评估模型设计及工具实现
发布时间：2021-08-02 16:56
随着互联网社交产业的快速发展,网站通常对用户的各种行为进行分析:商业网站会分析用户的购买行为以确定用户的商业价值,新闻网站和音乐网站会分析用户的点击行为并推荐感兴趣的内容。然而传统网站端的行为分析通常覆盖了所有用户群体,不适用于用户关注环境的定制化分析,且随着用户的关注量逐渐增多,用户从庞大的关注动态中获取有价值内容的难度也在不断加大。为此,本文针对当前缺乏对互联网用户关注环境的定制化分析问题,基于商用用户价值模型RFM（Recency Frequency Monetary,RFM）,从值度、频度、近度三方面归纳并选择相应指标,通过对关注用户集群信息进行采集、分析、处理,构建关注用户的价值评估模型。提出一种基于动态补正值评分制度,对时间区域内所有关注用户产出内容的值度指标进行特征抽取,在保证指标能适应不同用户环境的同时降低特征数过多对评估模型性能造成的影响。同时针对FCM（Fuzzy-C-Means,C均值聚类）聚类算法中存在的初始敏感问题提出一种基于粒子群的FCM初始敏感优化算法用于用户分类。该方法在标准PSO算法中引入莱维飞行公式模拟全局随机行走以增强粒子活性,通过开关参数控制距离...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３－２?ＰＳＯＬＦ－ＦＣＭ算法流程图??３．４仿真实验??
?准确率。值（／ｔ?＝?４实验结果采用准确率和函数适应值两个指标。表３－４为式距三??种算法实验结果，图３－３、３－４、３－５分别为Ｉｒｉｓ、Ｗｉｎｅ、Ｓｅｅｄ数据集在马氏距离??度量下ＰＳＯ－ＦＣＭ与ＰＳＯＬＦ－ＦＣＭ算法最优粒子适应值变化曲线。??表３－４?不同数据集下三种聚类算法准确率??＾?数据集?算法?迭代次数?准确率??Ｉｒｉｓ?ＦＣＭ?１７?８９．３％??ＰＳＯ－ＦＣＭ?１００?９０．０％???ＰＳＯＬＦ－ＦＣＭ?＼００?９１．３％???Ｗｉｎｅ?Ｆ
?１００??迭代次数??图３－４?Ｗｉｎｅ数据集下两种算法最优粒子适应值变化曲线??Ｓｅｅｄ??１１００?．?－？?——ＰＳ０ＬＦ－ＦＣＭ??１?——ＰＳＯ－ＦＣＭ??１〇〇〇?－?ｎ??９００?－??｝§?８００?－??１?Ｌ??Ｓ?７００?－?ｌ??１?＼＼??５００?－??４００?－?＼??３００?－?＾二?？－???——??０?２０?４０?６０?８０?１００??送代次数??图３－５?Ｓｅｅｄ数据集下两种算法最优粒子适应值变化曲线??从表３－４可以看出，ＰＳＯＬＦ－ＦＣＭ在两个数据集上的准确率均优于其他两种??算法，ＰＳＯ－ＦＣＭ优于传统ＦＣＭ算法，这是因为传统ＦＣＭ算法采用梯度算??子，易受初始随机中心点影响，容易陷入局部最小值，而基于ＰＳＯ的ＦＣＭ算??法全局搜索能力较好，能有效克服传统ＦＣＭ算法对初始值敏感的问题。??从图３－３、３－４、３－５可以看出，ＰＳＯＬＦ－ＦＣＭ较ＰＳＯ－ＦＣＭ前期收敛速度较??为平缓，但后期粒子活性较强，最优解目标函数值较为优秀，这是通过全局随??２２??
【参考文献】：
期刊论文
[1]基于自适应粒子群优化的非稳态自动平衡控制算法研究[J]. 陈立芳,陈哲超,王维民,秦悦,李兆举,晏资文. 振动与冲击. 2018(24)
[2]基于模糊C-均值聚类法和粒子群优化算法的江西省无水港选址分析[J]. 徐兵,束斌. 南昌大学学报(工科版). 2018(04)
[3]基于用户兴趣相似度与熟悉度的兴趣点推荐算法[J]. 王峥,张成. 计算机与数字工程. 2018(12)
[4]基于融合GMM聚类与FOA-GRNN模型的推荐算法[J]. 李毅鹏,阮叶丽,张杰. 网络与信息安全学报. 2018(12)
[5]结合评分时间和用户空间的协同过滤推荐算法[J]. 李炎,艾均,苏湛. 计算机应用与软件. 2018(12)
[6]基于改进莱维飞行粒子群算法的光伏系统MPPT方法[J]. 王荣,李少纲. 南昌大学学报(工科版). 2018(03)
[7]基于改进RFM模型和证据推理的MOOC学习者忠诚度度量模型研究[J]. 王锐,李荻,阙师鹏,廖作鸿. 江西理工大学学报. 2018(04)
[8]基于粒子群优化的模糊C均值聚类算法[J]. 王宇钢. 信息技术与网络安全. 2018(08)
[9]基于布谷鸟搜索改进的聚类算法[J]. 孙伟鹏,孟斌,吴锡生. 微电子学与计算机. 2018(08)
[10]自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 陈雷,张红梅,张向利. 计算机工程与应用. 2018(23)
硕士论文
[1]基于用户社交关系的微博情感分类模型研究[D]. 阮晓艳.南京航空航天大学 2018
[2]基于改进布谷鸟优化的图像分割算法研究[D]. 朱春.南京邮电大学 2017
[3]基于改进RFM模型的聚类算法在农村用户4G消费行为中研究与应用[D]. 杨磊.南京邮电大学 2017
[4]改进布谷鸟算法在水电站水库群优化调度的应用[D]. 李笑竹.新疆大学 2017
[5]基于用户分类的隐马尔可夫WEB预取模型及应用研究[D]. 王钒霖.西安理工大学 2017
[6]基于Flask框架的微博用户分类及推荐系统的实现[D]. 曾思亮.厦门大学 2017
[7]基于Web数据挖掘的旅游者网络用户行为及用户价值研究[D]. 张书海.广州大学 2016
本文编号：3317932
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３－２?ＰＳＯＬＦ－ＦＣＭ算法流程图??３．４仿真实验??
?准确率。值（／ｔ?＝?４实验结果采用准确率和函数适应值两个指标。表３－４为式距三??种算法实验结果，图３－３、３－４、３－５分别为Ｉｒｉｓ、Ｗｉｎｅ、Ｓｅｅｄ数据集在马氏距离??度量下ＰＳＯ－ＦＣＭ与ＰＳＯＬＦ－ＦＣＭ算法最优粒子适应值变化曲线。??表３－４?不同数据集下三种聚类算法准确率??＾?数据集?算法?迭代次数?准确率??Ｉｒｉｓ?ＦＣＭ?１７?８９．３％??ＰＳＯ－ＦＣＭ?１００?９０．０％???ＰＳＯＬＦ－ＦＣＭ?＼００?９１．３％???Ｗｉｎｅ?Ｆ
?１００??迭代次数??图３－４?Ｗｉｎｅ数据集下两种算法最优粒子适应值变化曲线??Ｓｅｅｄ??１１００?．?－？?——ＰＳ０ＬＦ－ＦＣＭ??１?——ＰＳＯ－ＦＣＭ??１〇〇〇?－?ｎ??９００?－??｝§?８００?－??１?Ｌ??Ｓ?７００?－?ｌ??１?＼＼??５００?－??４００?－?＼??３００?－?＾二?？－???——??０?２０?４０?６０?８０?１００??送代次数??图３－５?Ｓｅｅｄ数据集下两种算法最优粒子适应值变化曲线??从表３－４可以看出，ＰＳＯＬＦ－ＦＣＭ在两个数据集上的准确率均优于其他两种??算法，ＰＳＯ－ＦＣＭ优于传统ＦＣＭ算法，这是因为传统ＦＣＭ算法采用梯度算??子，易受初始随机中心点影响，容易陷入局部最小值，而基于ＰＳＯ的ＦＣＭ算??法全局搜索能力较好，能有效克服传统ＦＣＭ算法对初始值敏感的问题。??从图３－３、３－４、３－５可以看出，ＰＳＯＬＦ－ＦＣＭ较ＰＳＯ－ＦＣＭ前期收敛速度较??为平缓，但后期粒子活性较强，最优解目标函数值较为优秀，这是通过全局随??２２??
【参考文献】：
期刊论文
[1]基于自适应粒子群优化的非稳态自动平衡控制算法研究[J]. 陈立芳,陈哲超,王维民,秦悦,李兆举,晏资文. 振动与冲击. 2018(24)
[2]基于模糊C-均值聚类法和粒子群优化算法的江西省无水港选址分析[J]. 徐兵,束斌. 南昌大学学报(工科版). 2018(04)
[3]基于用户兴趣相似度与熟悉度的兴趣点推荐算法[J]. 王峥,张成. 计算机与数字工程. 2018(12)
[4]基于融合GMM聚类与FOA-GRNN模型的推荐算法[J]. 李毅鹏,阮叶丽,张杰. 网络与信息安全学报. 2018(12)
[5]结合评分时间和用户空间的协同过滤推荐算法[J]. 李炎,艾均,苏湛. 计算机应用与软件. 2018(12)
[6]基于改进莱维飞行粒子群算法的光伏系统MPPT方法[J]. 王荣,李少纲. 南昌大学学报(工科版). 2018(03)
[7]基于改进RFM模型和证据推理的MOOC学习者忠诚度度量模型研究[J]. 王锐,李荻,阙师鹏,廖作鸿. 江西理工大学学报. 2018(04)
[8]基于粒子群优化的模糊C均值聚类算法[J]. 王宇钢. 信息技术与网络安全. 2018(08)
[9]基于布谷鸟搜索改进的聚类算法[J]. 孙伟鹏,孟斌,吴锡生. 微电子学与计算机. 2018(08)
[10]自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 陈雷,张红梅,张向利. 计算机工程与应用. 2018(23)
硕士论文
[1]基于用户社交关系的微博情感分类模型研究[D]. 阮晓艳.南京航空航天大学 2018
[2]基于改进布谷鸟优化的图像分割算法研究[D]. 朱春.南京邮电大学 2017
[3]基于改进RFM模型的聚类算法在农村用户4G消费行为中研究与应用[D]. 杨磊.南京邮电大学 2017
[4]改进布谷鸟算法在水电站水库群优化调度的应用[D]. 李笑竹.新疆大学 2017
[5]基于用户分类的隐马尔可夫WEB预取模型及应用研究[D]. 王钒霖.西安理工大学 2017
[6]基于Flask框架的微博用户分类及推荐系统的实现[D]. 曾思亮.厦门大学 2017
[7]基于Web数据挖掘的旅游者网络用户行为及用户价值研究[D]. 张书海.广州大学 2016
本文编号：3317932
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3317932.html
