Web浏览预测的Markov模型综述

Web访问模式挖掘研究的一个重要议题是Web浏览预测,Markov模型是一种经典的Web浏览预测模型.本文首先介绍了基本Markov浏览预测模型,包括基本Markov浏览行为模型,模型的学习训练及其在Web浏览预测问题中的应用;然后重点分析了扩展的Markov浏览预测模型,包括一序组合预测模型、高序模型、混合模型、隐Mark-ov模型、连续时间Markov模型等,综述了各种扩展模型所考虑的浏览预测问题的本质出发点、模型的学习方法及预测方法,最后分析了Markov浏览预测模型有待进一步研究的问题.     

基于热度曲线分类建模的微博热门话题预测

及时掌握大众关心的热点话题是企业进行商业创新和商务营销的重要前提。现有方法大都依赖于非结构化数据的处理或反复遍历样本集,使算法复杂性较高。文中从话题的统计特性出发,提出建立在结构化数据上的非参数方法。首先对单个话题构建表征话题传播扩散程度和关注聚焦程度的热度曲线;然后对这些形态丰富的热度曲线进行分类建模,得到不同类别曲线的共性特征及发展规律;最后使用分类模型上的加权投票规则预测新话题是否会发展成为热门话题。基于新浪微博平台进行数据收集和实验,结果表明该方法数据结构简单、效果良好、复杂度低且易于控制。     

考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法

项目相关性度量是基于项目最近邻的协同过滤算法的关键。已有的项目相关性度量方法在数据集稀疏或推荐低流行度产品时会面临较大挑战,因此提出一种考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法。该算法在度量两个项目的相关性时,若有记录只对两个项目之一有评分,则利用该记录所对应的评分用户的活跃度和被评价项目的流行度进行相关性惩罚,从而提高数据稀疏环境下低流行度产品被推荐的概率。实验表明,所提算法在保证评分预测精度的情况下提升了推荐结果的多样性和新颖性。     

社会化营销绩效最大化问题及其扩展研究综述

由于在线社交网络上的信息传播具有速度快、成本低、影响范围大等优势,许多企业均试图通过在线社交网络进行产品的促销和推广。然而,企业如何选择种子结点来投放营销信息,使得在给定成本下覆盖或影响最多的用户,实现营销绩效最大化是一项极具挑战性的任务。该文通过文献检索和综述方法,系统总结了社会化营销中的信息传播模型,从网络拓扑结构和用户历史数据、竞争条件与非竞争条件等不同视角总结了社会化营销绩效最大化的有关算法,最后对社会化营销绩效最大化问题进行了总结与展望。     

陶瓷墙地砖生产线自动化拣砖系统的研制

介绍一种瓷砖生产线自动拣砖系统以替代人工分拣作业。解决了国内现有瓷砖生产线拣砖工序由人工完成、生产效率低下、存在安全隐患等问题。系统以自主技术为核心,由输送机、光电传感器、PLC控制器、气动驱动器、电控柜协同工作,光机电气一体化,多机联动,实现瓷砖生产的全自动分拣。     

.连续属性离散化算法比较研究*

探讨了贪心及其改进算法、基于属性重要性、基于信息熵和基于聚类四类连续属性离散化算法,并通过实验验证这四类算法的离散化效果.实验结果表明,数据集离散化的效果不仅取决于使用算法,而且与数据集连续属性的分布和决策数据值的分类也有密切关系.     

基于关联规则和协同过滤的网络商品捆绑方法研究

随着电子商务的发展,捆绑销售这种营销策略被逐渐应用于网站之中.本文将数据挖掘技术应用于商品捆绑,经过对数据的预处理,阐述如何利用关联规则实现对商品的捆绑,再通过协同过滤技术定位捆绑商品并向目标用户进行推荐.最后建立一个商品捆绑推荐系统体系结构以体现整个方法流程.     

挖掘Web日志中的分类关联规则

用户分类是Web访问模式挖掘研究的一个重要任务。提出一种应用关联分类技术对Web用户进行分类的方法：首先通过对Web日志文件预处理得到训练事务数据集,然后从该事务集中挖掘分类关联规则,并利用所挖掘的规则集构建了一个分类器,从而实现了根据用户访问历史对用户进行分类。