-
公开(公告)号：CN110489652A
公开(公告)日：2019-11-22
申请号：CN201910784984.X
申请日：2019-08-23
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/2458
Abstract: 本发明涉及一种基于用户行为数据检测的新闻推荐方法、系统及计算机设备，所述方法包括：对用户新闻点击行为数据进行转换，生成可处理的用户行为数据集，过滤掉用户行为数据集中的非频繁行为，使用频繁项集串行挖掘算法获取相对频繁项集，构建由用户行为中的相对频繁项集形成的相对频繁项集树，找出最优频繁项集，计算用户行为中最优频繁项集的完整支持度，根据完整支持度，生成用户行为频繁项集相关的关联规则，根据关联规则向用户推荐新闻，本发明能够充分考虑真实生产环境，高效地处理海量用户行为数据集，属于数据分析技术领域。
-
公开(公告)号：CN108337685B
公开(公告)日：2019-05-24
申请号：CN201810076862.0
申请日：2018-01-26
Applicant: 重庆邮电大学
Abstract: 本方法涉及高性能计算技术领域，特别涉及基于分簇DGM的无线传感器网络数据融合方法；方法包括按照空间相关性对多传感器数据进行动态分簇；对数据序列群中的异常点检测和补齐；借助灰理论中的离散区间灰数概念对传感器节点之间的相关性进行描述；采用离散灰数DGM预测模型对数据序列的发展趋势进行建模预测；实现多传感器数据融合；本方法能有效地对异常点进行检测和补齐，提升数据的可靠性；利用数据之间的空间关联性进行预测数据的修正，有效地提升数据预测的准确性；减少了簇头节点和汇聚节点之间的数据发送量；有效减少传感器节点的传输距离；降低传感器节点的传输能耗；减少了汇聚节点的对接点数，缓解了网络拥塞问题。
-
公开(公告)号：CN108337685A
公开(公告)日：2018-07-27
申请号：CN201810076862.0
申请日：2018-01-26
Applicant: 重庆邮电大学
Abstract: 本方法涉及高性能计算技术领域，特别涉及基于分簇DGM的无线传感器网络数据融合方法；方法包括按照空间相关性对多传感器数据进行动态分簇；对数据序列群中的异常点检测和补齐；借助灰理论中的离散区间灰数概念对传感器节点之间的相关性进行描述；采用离散灰数DGM预测模型对数据序列的发展趋势进行建模预测；实现多传感器数据融合；本方法能有效地对异常点进行检测和补齐，提升数据的可靠性；利用数据之间的空间关联性进行预测数据的修正，有效地提升数据预测的准确性；减少了簇头节点和汇聚节点之间的数据发送量；有效减少传感器节点的传输距离；降低传感器节点的传输能耗；减少了汇聚节点的对接点数，缓解了网络拥塞问题。
-
公开(公告)号：CN110489652B
公开(公告)日：2022-06-03
申请号：CN201910784984.X
申请日：2019-08-23
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/2458
Abstract: 本发明涉及一种基于用户行为数据检测的新闻推荐方法、系统及计算机设备，所述方法包括：对用户新闻点击行为数据进行转换，生成可处理的用户行为数据集，过滤掉用户行为数据集中的非频繁行为，使用频繁项集串行挖掘算法获取相对频繁项集，构建由用户行为中的相对频繁项集形成的相对频繁项集树，找出最优频繁项集，计算用户行为中最优频繁项集的完整支持度，根据完整支持度，生成用户行为频繁项集相关的关联规则，根据关联规则向用户推荐新闻，本发明能够充分考虑真实生产环境，高效地处理海量用户行为数据集，属于数据分析技术领域。
-
-
-
Search Results
4
records
(took 0.023 seconds)
