| 基于马尔可夫模型的图书馆用户聚类分群方法研究 |
| |
| 引用本文： | 吴艳玲,孙思阳.基于马尔可夫模型的图书馆用户聚类分群方法研究[J].情报科学,2021,39(11):167-172. |
| |
| 作者姓名： | 吴艳玲 孙思阳 |
| |
| 摘 要： | 【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题，提出基于马尔可夫模型的图书馆
用户聚类分群方法，提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列
模型，通过模型产生用户行为聚类，体现用户动作的动态性，采用自适应自然梯度算法，依据用户行为分离状态自
适应调整自身步长，优化模型参数学习中模型自动选择问题，实现最佳图书馆用户聚类分群。【结果/结论】通过实
验结果能够证明，实际聚类数量小于L值时，提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群
数量最多，能够划分出最大的取值区间，聚类错误率最低为0.22%，聚类性能比较稳定，分群结果更加精准，达到了
设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用
户序列间关联的高阶马尔可夫分量模型，以提高分群算法的准确性和稳定性。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
