基于改进蚁群算法的用户有效浏览兴趣路径挖掘

doi:10.3969/j.issn.1006-2475.2013.12.004

计算机与现代化

基于改进蚁群算法的用户有效浏览兴趣路径挖掘

肖丹,尹春华

北京信息科技大学信息管理学院,北京100192

收稿日期:2013-07-17 修回日期:1900-01-01 出版日期:2013-12-18 发布日期:2013-12-18

XIAO Dan, YIN Chun-hua

Received:2013-07-17 Revised:1900-01-01 Online:2013-12-18 Published:2013-12-18

摘要/Abstract

摘要： 从Web日志中挖掘用户浏览兴趣路径，对于网站重构和产品推荐等商业用途具有重要意义。传统的挖掘算法一般基于用户访问频度，并不能真正体现用户的兴趣点。访问时间是一个能反应用户浏览兴趣的重要因素，用预设的访问时间阈值剔除无效数据，得出有效访问时间。本文对蚁群算法加以改进，用浏览频度和权值因子作为兴趣函数，有效访问时间因子作为信息素函数，提出有效-兴趣度的概念。对算法进行具体模拟，结果表明，本文提出的挖掘算法比传统的算法更能体现用户的浏览兴趣。


关键词: 蚁群算法, 时间因子, 有效-兴趣度, Web日志, 浏览兴趣路径

中图分类号:

null

肖丹,尹春华 . 基于改进蚁群算法的用户有效浏览兴趣路径挖掘[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2013.12.004 .

XIAO Dan, YIN Chun-hua . null[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2013.12.004 .

参考文献

［1］符翔,金瓯. 一种WEB日志挖掘的数据预处理方法［J］. 计算机系统应用， 2010,19(8):204-207.
［2］ Chen M S, Park J S, Yu P S. Data mining for path traversal patterns in a Web environment［C］// Proceedings of the 16th International Conference on Distributed Computing Systems. 1996:385-392.
［3］张志协,曹阳. 基于改进型蚁群算法的最优路径问题求解［J］. 计算机系统应用, 2012,21(10):76-80.
［4］吴庆洪,张颖,马宗民. 蚁群算法综述［J］. 微计算机信息, 2011,27(3):1-3.
［5］邢东山,沈钧毅,宋擒豹. 从Web日志中挖掘用户浏览偏爱路径［J］. 计算机学报, 2003,26(11):1518-1523.
［6］俞金松,高建华. 基于用户分类的Web日志统计测试研究［J］. 计算机工程与设计， 2012,33(12):4551-4556.
［7］包剑,郭丽春,黄金波. 一种基于Web用户访问模式的矩阵聚类算法研究［J］. 西华大学学报:自然科学版， 2010,29(4):85-87.
［8］韩金森,邹涛,张龙军. 物联网技术与研究［J］. 电子设计工程， 2012,20(19):21-24.
［9］王鹏. 云计算的关键技术与应用实例［M］. 北京:人民邮电出版社， 2010.
［10］陈全,邓倩妮．云计算及其关键技术［J］. 计算机应用, 2009,29(9):2562-2567.
［11］卜范玉,王鑫,张清辰. 基于云计算的物联网数据挖掘模型［J］. 电脑与信息技术, 2012,20(6):49-52.
［12］周晏,桑书娟. 浅谈基于云计算的数据挖掘技术［J］. 电脑知识与技术, 2010,6(34):9681-9683.
［13］王良民,熊书明. 物联网工程概论［M］. 北京:清华大学出版社， 2011.
［14］黄斌,许舒人,蒲卫. 基于MapReduce的数据挖掘平台设计与实现［J］. 计算机工程与设计， 2013,34(2):495-501.

[1]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[2]	曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.
[3]	高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.
[4]	李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, 2020, 0(03): 33-.
[5]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[6]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[7]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[8]	刘艺，冯钧，魏童童，陈志飞，徐欢，张立霞. 一种改进的协同过滤推荐算法[J]. 计算机与现代化, 2017, 0(1): 1-4+12.
[9]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.
[10]	宋琪，敬超. 面向多核系统的蚁群最优化能耗调度算法[J]. 计算机与现代化, 2016, 0(6): 91-96.
[11]	蔡明，左勇安. 基于MapReduce的混合蚁群算法研究[J]. 计算机与现代化, 2016, 0(10): 6-.
[12]	李媛祯，杨群，段汐. 基于均衡更新蚁群算法的飞机排序调度[J]. 计算机与现代化, 2015, 0(2): 57-.
[13]	蔡文哲，王斌君. 一种QoS平面蚁群路由算法的设计与实现[J]. 计算机与现代化, 2015, 0(12): 15-.
[14]	陈曼青1，武子荣1，崔伟宁1，常婷婷2. 改进蚁群算法在装备保障路径选择中的应用[J]. 计算机与现代化, 2015, 0(11): 113-117.
[15]	朱卫宵，祝前旺，陈康. 基于改进蚁群算法的海上编队传感器资源分配模型[J]. 计算机与现代化, 2014, 0(12): 15-18+22.

基于改进蚁群算法的用户有效浏览兴趣路径挖掘

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价