分析工程建設(shè)監(jiān)管平臺特征,指出平臺結(jié)構(gòu)優(yōu)化的必要性。考慮到不同路徑對用戶的重要性不同且平臺流程復(fù)雜,難以統(tǒng)一支持度閾值,采用多最小支持度加權(quán)頻繁模式算法構(gòu)建挖掘模型,并根據(jù)權(quán)值大小對不同路徑設(shè)置不同的支持度閾值,以盡可能挖掘用戶感興趣的路徑集。最后對廣西水利建設(shè)項(xiàng)目監(jiān)管平臺用戶日志進(jìn)行實(shí)驗(yàn),找出用戶頻繁訪問路徑,為平臺用戶使用體驗(yàn)的優(yōu)化提供決策支持。 

【文章來源】：科技管理研究. 2020,40(17)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

頻繁項(xiàng)集挖掘算法流程

豐景春等：基于頻繁模式挖掘的工程建設(shè)監(jiān)管平臺用戶體驗(yàn)優(yōu)化研究185表2實(shí)驗(yàn)數(shù)據(jù)概況統(tǒng)計單位：個用戶類型實(shí)驗(yàn)數(shù)據(jù)企業(yè)數(shù)量實(shí)驗(yàn)數(shù)據(jù)量用戶數(shù)量會話數(shù)量成套設(shè)備企業(yè)29417778141檢測單位3476816100監(jiān)理單位48451071991193監(jiān)測單位4559431146設(shè)備企業(yè)108497293151081設(shè)計單位49513982345217施工單位383462659241626029招標(biāo)代理機(jī)構(gòu)50149801104993.2實(shí)驗(yàn)結(jié)果及分析以成套設(shè)備企業(yè)為例進(jìn)行實(shí)驗(yàn)，對成套設(shè)備企業(yè)用戶訪問的65個頁面進(jìn)行頻繁模式挖掘，計算得到的頁面權(quán)重分布如圖2所示。圖2頁面權(quán)重分布狀況實(shí)驗(yàn)計算得到頁面權(quán)重范圍為［0，0.30］，權(quán)重均值為0.02，根據(jù)公式（7）得出不同權(quán)重等級下最小支持度閾值的計算方法：（8）令等于0，將項(xiàng)的最小支持度閾值設(shè)定為［17］：（9）式中：是用戶給定的最小支持度閾值，取值范圍設(shè)定為，其中表示各項(xiàng)加權(quán)支持度的最大值，計算結(jié)果為0.09。常數(shù)用來調(diào)整項(xiàng)的支持度與給定支持度閾值之間的關(guān)系，取值范圍設(shè)定為頁面權(quán)重范圍即［0，0.09］，可以看到當(dāng)時即為單一支持度加權(quán)頻繁項(xiàng)集挖掘，當(dāng)介于［0，0.09］時即為多最小支持度加權(quán)頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項(xiàng)集的挖掘結(jié)果觀察和取值不同對結(jié)果造成的影響，挖掘結(jié)果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項(xiàng)集數(shù)量圖圖4==0.04，LLS變變化時頻繁項(xiàng)集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項(xiàng)集數(shù)量均逐漸減少。取頁面權(quán)重的中位數(shù)作為的值，用頻繁_n_項(xiàng)集n)3(挖掘到的數(shù)目總和觀察不同支持度閾值前后挖掘到的頻繁模式數(shù)量的差別，詳見圖5：圖圖5劃分與未劃分權(quán)重等級挖掘結(jié)果比較從圖5可以看

?度加權(quán)頻繁項(xiàng)集挖掘，當(dāng)介于［0，0.09］時即為多最小支持度加權(quán)頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項(xiàng)集的挖掘結(jié)果觀察和取值不同對結(jié)果造成的影響，挖掘結(jié)果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項(xiàng)集數(shù)量圖圖4==0.04，LLS變變化時頻繁項(xiàng)集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項(xiàng)集數(shù)量均逐漸減少。取頁面權(quán)重的中位數(shù)作為的值，用頻繁_n_項(xiàng)集n)3(挖掘到的數(shù)目總和觀察不同支持度閾值前后挖掘到的頻繁模式數(shù)量的差別，詳見圖5：圖圖5劃分與未劃分權(quán)重等級挖掘結(jié)果比較從圖5可以看到，對不同權(quán)重等級設(shè)定不同的支持度閾值能夠減少挖掘到的頻繁模式數(shù)量，在一定程度上可以解決組合爆炸問題。為了評估挖掘結(jié)果的質(zhì)量，取LS=0.0002時挖掘得到的頻繁模式集，對它們的權(quán)重進(jìn)行分析，結(jié)果見表3。表表3頻繁項(xiàng)集權(quán)重描述性統(tǒng)計分析是否劃分權(quán)重等級權(quán)重最小值權(quán)重最大值權(quán)重平均值權(quán)重中位數(shù)劃分權(quán)重等級0.00360.30500.04320.0347圖圖3LLS==0，變變化時頻繁項(xiàng)集數(shù)量圖圖4==0.04，LLS變變化時頻繁項(xiàng)集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項(xiàng)集數(shù)量均逐漸減少。取頁面權(quán)重的中位數(shù)作為的值，用頻繁_n_項(xiàng)集n)3(挖掘到的數(shù)目總和觀察不同支持度閾值前后挖掘到的頻繁模式數(shù)量的差別，詳見圖5：圖圖5劃分與未劃分權(quán)重等級挖掘結(jié)果比較從圖5可以看到，對不同權(quán)重等級設(shè)定不同的支持度閾值能夠減少挖掘到的頻繁模式數(shù)量，在10圖圖3LLS==0，變變化時頻繁項(xiàng)集數(shù)量圖圖4根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻的中位數(shù)作為的值，用頻繁_n_項(xiàng)集n)3(挖掘到的數(shù)目總

【參考文獻(xiàn)】：
期刊論文
[1]基于蟻群算法的關(guān)聯(lián)規(guī)則挖掘[J]. 衣夢涵,王慧穎.  統(tǒng)計與決策. 2019(17)
[2]基于興趣度的Web訪問用戶關(guān)聯(lián)規(guī)則挖掘[J]. 李昌兵,凌永亮,汪爾晶.  計算機(jī)工程與設(shè)計. 2017(04)
[3]關(guān)聯(lián)規(guī)則挖掘中查找頻繁項(xiàng)集的改進(jìn)算法[J]. 張啟徽.  統(tǒng)計與決策. 2015(04)
[4]基于矩陣多源加權(quán)關(guān)聯(lián)規(guī)則在個性化推薦中的應(yīng)用[J]. 朱清香,侯會茹,劉晶,戴培森,晏霄.  科技管理研究. 2015(01)
[5]基于布爾矩陣的高價值度關(guān)聯(lián)規(guī)則挖掘算法[J]. 葉世綺,孫振,趙喆.  科技管理研究. 2014(06)
[6]基于加權(quán)關(guān)聯(lián)規(guī)則挖掘的相關(guān)文獻(xiàn)推薦[J]. 陳祖琴,張惠玲,葛繼科,鄭宏.  現(xiàn)代圖書情報技術(shù). 2007(10)
[7]多重最小支持度頻繁項(xiàng)集挖掘算法研究[J]. 張慧哲,王堅(jiān).  計算機(jī)應(yīng)用. 2007(09)
[8]一種基于用戶訪問模式優(yōu)化網(wǎng)站結(jié)構(gòu)的算法[J]. 馮潔,陶宏才.  微電子學(xué)與計算機(jī). 2007(07)
[9]基于多最小支持度的加權(quán)關(guān)聯(lián)規(guī)則挖掘算法[J]. 鄒力鹍,張其善.  北京航空航天大學(xué)學(xué)報. 2007(05)
[10]關(guān)聯(lián)規(guī)則在網(wǎng)站結(jié)構(gòu)優(yōu)化中的改進(jìn)算法[J]. 井福榮,謝輔雯.  計算機(jī)系統(tǒng)應(yīng)用. 2007(01)



本文編號：3047317