共查询到10条相似文献，搜索用时 19 毫秒
1.
随着云计算理念的普及和云计算技术的发展,在云中部署商业服务已成为一个趋势。云服务类型和数量的持续增长,使用户面临着如何选择最佳云服务的重要挑战。首先分析了云计算环境中服务推荐涉及的对象,接着引入了用户社区的概念,最后结合经典协同过滤推荐算法和聚类技术,提出了一种基于社区聚类的云服务推荐算法:Cloudrec。实验结果表明该算法性能优于传统经典推荐算法,更适应云计算环境。 相似文献
2.
李娟 《咸阳师范专科学校学报》2013,(6):40-44
基于命名实体的网页推荐算法,从查询日志入手,分析用户的查询行为,给用户提供智能推荐,从而给出较好的推荐网页.提出了基于混合马尔科夫模型用于目录网页的导航链接和基于LDA特征选择的网页推荐算法用于主题网页推荐,实验结果显示,基于混合马尔科夫模型的推荐算法,达到了比较满意的效果;基于LDA特征提取的网页推荐算法优于传统的推荐算法,很好地满足了用户的需求. 相似文献
3.
《赤峰学院学报(自然科学版)》2021,(3)
使用数据挖掘技术可以从用户的图书借阅数据中挖掘有价值的信息,获得用户的借阅行为,为用户提供个性化图书推荐服务。传统的关联规则算法在使用前不进行数据清洗,导致单一用户的单一借阅记录在整体数据集中相对地变成了离群点,使Apriori算法的运行时间显著增加。本文根据数据集的支持度、置信度和过滤度的阈值进行数据清洗,再使用Apriori算法对清洗后的数据集进行关联规则分析。实验结果表明在大数据量和小数据量的情况下,带有数据清洗的Apriori算法的分析耗时更短,强关联规则更强,在个性化图书推荐领域中效果显著。 相似文献
4.
Web Service下的商品推荐系统的研究与实现 总被引：2，自引：0，他引：2
基于电子商务平台的Web service已经是广大消费者购买或者浏览商品的主要形式之一．但是,网络上的海量信息也给我们带来了很多不便．对于用户来说,如何及时地发现所需要的商品已经变得越来越困难．本文综合运用了关联挖掘、智能推荐算法等机器学习方法提出了一个Web Service下的产品智能推荐Agent模型：Smart Recommendation,该系统通过对用户的历史交易记录的分析,挖掘出客户的购买模式和购买兴趣,并根据发现的模式对用户进行商品的智能推荐．实验结果表明,推荐模型具有较高的准确性,并且对用户的购买行为有一定的指导作用． 相似文献
5.
结合云计算平台提出了基于子集统计的关联规则算法,该算法能充分利用云计算的并行性特点,只需要扫描一次数据库,比传统的Apriori算法提高了效率,适用于大规模数据的关联规则挖掘. 相似文献
6.
对云计算技术和数据挖掘进行研究,分析Apriori算法,针对其局限性,提出优化方案,引入云计算中MapReduce模型,实现并行化。提出一种基于MapReduce的频繁项集挖掘方法,以提高算法的运行效率,降低算法执行所需的开销。 相似文献
7.
针对协同过滤算法中存在数据稀疏的问题,提出一种基于融合用户标签和蚁群的协同过滤微博推荐算法。将表示用户兴趣的标签引入推荐模型中,利用标签和用户以及标签和微博的关联度,建立用户对微博的兴趣度模型。另外结合蚁群聚类和协同过滤为目标用户进行用户聚类,计算出对目标用户的待推荐微博集。最后利用用户对微博的兴趣度模型从待推荐微博集中选出Top-N为目标用户进行推荐。实验引入标签和蚁群算法的有效性,将测试结果与传统协同过滤推荐算法和纯基于标签的微博推荐算法进行比较,该算法不仅改善了协同过滤算法中数据稀疏和冷启动的问题,而且推荐准确度有明显提高。 相似文献
8.
9.
10.
为了解决大数据时代用户阅读时遇到的“信息过载”与“信息迷失”问题,提出了基于Hadoop平台的用户准确识别与新闻推荐算法。首先基于MAC地址识别用户,通过对用户浏览轨迹的离线和在线挖掘,建立用户兴趣模型。然后对新闻关键词进行聚类,结合协同过滤和启发式方法,基于关键词对用户进行新闻的智能推荐。实验结果表明,基于MAC地址的算法比基于IP地址的算法用户识别率提高了30%。 相似文献