大数据干扰下搜索引擎最优推送算法仿真

• 作者: 李萍 汪滢 黄灿英
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 大数据 搜索引擎 数学模型 推送算法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 仿真服务化
• 页码范围: 440-444
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

针对大部分搜索引擎存在数据推送效果差,推送准确率低等问题,提出大数据干扰下搜索引擎推送优化算法.采用主题建模、主题词汇建模、数据的预处理、行为词汇建模等方法,提取出动态信息本体;通过对时间、内容、对象、地点、行为以及重返次数等6种因素对互联网的随机行为动态本体权重进行计算,得到用户数据的衰减模型;利用推送算法对用户数据评分矩阵、用户之间相似度以及对数据筛选计算,完成最优推送.实验结果表明,采用改进方法推送数据的准确率高于传统方法,筛选的数据信息相似度更低,更易辨识,推送延迟更短,说明改进方法效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李萍		114	348	11.0	14.0
2	汪滢		21	22	3.0	4.0
3	黄灿英		28	63	5.0	6.0