基于数据挖掘的网络情景化信息动态推荐系统

• 作者: 杨剑锋 王喜宾 王玉标
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 数据挖掘 情景化 动态推荐 特征提取
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 仿真智能化
• 页码范围: 344-347,379
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

传统方法难以区分用户不同的兴趣稀疏性特征,导致用户在访问网络时无法准确快速地浏览偏好的目标数据,因此提出基于数据挖掘的网络情境化信息动态推荐系统.收集网络用户的情景化信息属性,对应划分网络用户不同的兴趣稀疏性特征,利用协同过滤算法提取信息资源的语义相似度特征,并融合信息的稀疏性特征;根据融合特征构建资源访问节点之间存在的信任关系,建造知识库与模型库,进而为情景化信息动态推荐的硬件设计供给交互数据;通过ART算法内的Apriori算法分析交互数据,完成网络情景化信息动态推荐.仿真结果表明,所提方法能够更加快速的分析网络用户的兴趣与偏好,同时还能够处理一些较为新颖的信息,具有较好的实用性.