文献类型：期刊文章

作　　者：王喜宾[1] 王玉标[2] 杨剑锋[1]

WANG Xi-bin;WANG Yu-biao;YANG Jian-feng(Guizhou Institute of Technology,School of Data Science,Caiguan Road,Guiyang Guizhou 550003,China;School of Big Data&Software Engeering,Chongqing University,Chongqing 400030,China)

机构地区：[1]贵州理工学院大数据学院,贵州贵阳550003 [2]重庆大学大数据与软件学院,重庆400030

出　　处：《计算机仿真》

基　　金：国家自然科学基金项目(71901078);贵州省科技厅科学技术基金(黔科合基础[2020]1Y269);贵州省科技厅学术新苗项目(黔科合平台人才[2017]5789-21);贵州理工学院高层次人才项目(XJGC20190929);重庆市教委科技计划项目(KJQN201900102)。

年　　份：2020

卷　　号：37

期　　号：11

起止页码：344-347

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：传统方法难以区分用户不同的兴趣稀疏性特征,导致用户在访问网络时无法准确快速地浏览偏好的目标数据,因此提出基于数据挖掘的网络情境化信息动态推荐系统。收集网络用户的情景化信息属性,对应划分网络用户不同的兴趣稀疏性特征,利用协同过滤算法提取信息资源的语义相似度特征,并融合信息的稀疏性特征;根据融合特征构建资源访问节点之间存在的信任关系,建造知识库与模型库,进而为情景化信息动态推荐的硬件设计供给交互数据;通过ART算法内的Apriori算法分析交互数据,完成网络情景化信息动态推荐。仿真结果表明,所提方法能够更加快速的分析网络用户的兴趣与偏好,同时还能够处理一些较为新颖的信息,具有较好的实用性。

关 键 词：数据挖掘 情景化 动态推荐  特征提取

分 类 号：TP393]