增量学习的优化算法在app使用预测中的应用

• 作者: 周天剑 李雯婷 王庆娟 韩迪
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 模式识别 app使用预测 聚类 增量学习 大数据
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 专题:大数据聚类
• 页码范围: 43-51
• 页数: 9页
• 分类号: TP311|TP181
• 字数: 6437字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2019.01043

摘要

随着智能手机中app数量的不断增加, 准确查询目标app渐趋困难.目前利用历史用户数据预测手机系统下一个使用的app算法存在两类问题:一是部分算法因未考虑训练数据日益递增, 导致预测结果的准确度随时间增加而降低;二是虽然考虑到了增量数据, 但增加了因增量数据而重新建模的时间, 导致总体耗时增加.为减少建模时间, 本研究提出Predictor预测系统, 利用优化后的增量Ik NN模型为用户提供app使用的预测功能.通过学习app特征的上下文关系, 设计了聚类有效值 (cluster effective value, CEV)策略, 采用多维度特征方法来提高分类的准确度, 从而提高预测准确度.实验结果表明, 带有CEV策略的Ik NN模型比默认的Ik NN模型拥有更稳定的预测准确度, 其应用模型Predictor能减少建模的时间, 同时提高预测准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩迪	北京理工大学珠海学院	3	2	1.0	1.0
3	李雯婷	贵州商学院计算机与信息工程学院	4	3	1.0	1.0
4	周天剑	北京理工大学珠海学院	5	22	3.0	4.0
7	王庆娟	北京理工大学珠海学院	2	0	0.0	0.0