针对传统推荐算法忽略用户社交影响、研究角度不全面和缺乏物理解释等问题,提出一个融合社交行为和标签行为的推荐算法。首先用引力模型计算社交网络中用户节点之间的吸引力来度量用户社交行为的相似性；其次通过标签
基于社交网络的知识传播机制,閤甘明,卞佳丽,知识传播的最大化问题是在社交网络中找到可以使知识传播范围最大化的一小部分节点(种子节点)的问题。几十年来,计算影响力估计
针对电子商务推荐系统中相似性的计算,借助关联函数,通过点与区间“距”的引入,在相似度性质的各个性质的保证下,运用vague集理论,构建了一种新的相似性度量公式。一方面满足了推荐系统对相似性计算的要求,
随着电子商务的发展,传统的单机计算模型难以满足海量数据的实时推荐需求,基于协同过滤的推荐算法的缺陷也越来越明显。为此,提出一种利用Spark计算模型实现分布式推荐的方法。该推荐方法采用基于谱聚类和朴素
在线社交网络,李勇军,代亚非,目前,人们的业务活动甚至是日常交往越来越多的依赖互联网,它在很大程度上改变了人们之间的交流方式,因而催生出一种新的网络社
目前已经提出了许多用于高效地发现大规模数据库中的关联规则的算法,但都是对关联规则中满足最小支持度的 频繁项集的研究,没有对频繁项集中如何高效地计算得到满足最小置信度的关联规则进行研究。针对这种情况,提
多层关联规则挖掘算法的研究的研究与应用,权威论文,希望给这方向的人带来好的东西
以数据挖掘中的关联规则理论为基础,从应用的角度出发,设计了一套相关产品推荐系统ARecom,实现了电子购物中的个性化服务。针对直接决定整体算法效率的频繁大项集生成步骤,应用大量的数据,研究比较了三种典
基于OLAP的多维关联规则挖掘研究的最新成果,相信你可以从中得到不少收获。
数据挖掘研究的一个重要领域就是关联规则挖掘,而对已发现的关联规则进行维护成为关联规则挖掘技术的一个研究热点。分析了经典的增量更新算法FUP算法的不足,提出了一种改进的增量更新算法IFUP,并与经典的算
