基于頻繁模式挖掘的工程建設監(jiān)管平臺用戶體驗優(yōu)化研究
發(fā)布時間：2021-02-23 08:43
分析工程建設監(jiān)管平臺特征,指出平臺結構優(yōu)化的必要性�？紤]到不同路徑對用戶的重要性不同且平臺流程復雜,難以統(tǒng)一支持度閾值,采用多最小支持度加權頻繁模式算法構建挖掘模型,并根據(jù)權值大小對不同路徑設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項目監(jiān)管平臺用戶日志進行實驗,找出用戶頻繁訪問路徑,為平臺用戶使用體驗的優(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】：
頻繁項集挖掘算法流程
豐景春等：基于頻繁模式挖掘的工程建設監(jiān)管平臺用戶體驗優(yōu)化研究185表2實驗數(shù)據(jù)概況統(tǒng)計單位：個用戶類型實驗數(shù)據(jù)企業(yè)數(shù)量實驗數(shù)據(jù)量用戶數(shù)量會話數(shù)量成套設備企業(yè)29417778141檢測單位3476816100監(jiān)理單位48451071991193監(jiān)測單位4559431146設備企業(yè)108497293151081設計單位49513982345217施工單位383462659241626029招標代理機構50149801104993.2實驗結果及分析以成套設備企業(yè)為例進行實驗，對成套設備企業(yè)用戶訪問的65個頁面進行頻繁模式挖掘，計算得到的頁面權重分布如圖2所示。圖2頁面權重分布狀況實驗計算得到頁面權重范圍為［0，0.30］，權重均值為0.02，根據(jù)公式（7）得出不同權重等級下最小支持度閾值的計算方法：（8）令等于0，將項的最小支持度閾值設定為［17］：（9）式中：是用戶給定的最小支持度閾值，取值范圍設定為，其中表示各項加權支持度的最大值，計算結果為0.09。常數(shù)用來調整項的支持度與給定支持度閾值之間的關系，取值范圍設定為頁面權重范圍即［0，0.09］，可以看到當時即為單一支持度加權頻繁項集挖掘，當介于［0，0.09］時即為多最小支持度加權頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項集的挖掘結果觀察和取值不同對結果造成的影響，挖掘結果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看
?度加權頻繁項集挖掘，當介于［0，0.09］時即為多最小支持度加權頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項集的挖掘結果觀察和取值不同對結果造成的影響，挖掘結果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看到，對不同權重等級設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。為了評估挖掘結果的質量，取LS=0.0002時挖掘得到的頻繁模式集，對它們的權重進行分析，結果見表3。表表3頻繁項集權重描述性統(tǒng)計分析是否劃分權重等級權重最小值權重最大值權重平均值權重中位數(shù)劃分權重等級0.00360.30500.04320.0347圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看到，對不同權重等級設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_項集n)3(挖掘到的數(shù)目總
【參考文獻】：
期刊論文
[1]基于蟻群算法的關聯(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訪問用戶關聯(lián)規(guī)則挖掘[J]. 李昌兵,凌永亮,汪爾晶. 計算機工程與設計. 2017(04)
[3]關聯(lián)規(guī)則挖掘中查找頻繁項集的改進算法[J]. 張啟徽. 統(tǒng)計與決策. 2015(04)
[4]基于矩陣多源加權關聯(lián)規(guī)則在個性化推薦中的應用[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]基于加權關聯(lián)規(guī)則挖掘的相關文獻推薦[J]. 陳祖琴,張惠玲,葛繼科,鄭宏. 現(xiàn)代圖書情報技術. 2007(10)
[7]多重最小支持度頻繁項集挖掘算法研究[J]. 張慧哲,王堅. 計算機應用. 2007(09)
[8]一種基于用戶訪問模式優(yōu)化網(wǎng)站結構的算法[J]. 馮潔,陶宏才. 微電子學與計算機. 2007(07)
[9]基于多最小支持度的加權關聯(lián)規(guī)則挖掘算法[J]. 鄒力鹍,張其善. 北京航空航天大學學報. 2007(05)
[10]關聯(lián)規(guī)則在網(wǎng)站結構優(yōu)化中的改進算法[J]. 井福榮,謝輔雯. 計算機系統(tǒng)應用. 2007(01)
本文編號：3047317
【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】：
頻繁項集挖掘算法流程
豐景春等：基于頻繁模式挖掘的工程建設監(jiān)管平臺用戶體驗優(yōu)化研究185表2實驗數(shù)據(jù)概況統(tǒng)計單位：個用戶類型實驗數(shù)據(jù)企業(yè)數(shù)量實驗數(shù)據(jù)量用戶數(shù)量會話數(shù)量成套設備企業(yè)29417778141檢測單位3476816100監(jiān)理單位48451071991193監(jiān)測單位4559431146設備企業(yè)108497293151081設計單位49513982345217施工單位383462659241626029招標代理機構50149801104993.2實驗結果及分析以成套設備企業(yè)為例進行實驗，對成套設備企業(yè)用戶訪問的65個頁面進行頻繁模式挖掘，計算得到的頁面權重分布如圖2所示。圖2頁面權重分布狀況實驗計算得到頁面權重范圍為［0，0.30］，權重均值為0.02，根據(jù)公式（7）得出不同權重等級下最小支持度閾值的計算方法：（8）令等于0，將項的最小支持度閾值設定為［17］：（9）式中：是用戶給定的最小支持度閾值，取值范圍設定為，其中表示各項加權支持度的最大值，計算結果為0.09。常數(shù)用來調整項的支持度與給定支持度閾值之間的關系，取值范圍設定為頁面權重范圍即［0，0.09］，可以看到當時即為單一支持度加權頻繁項集挖掘，當介于［0，0.09］時即為多最小支持度加權頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項集的挖掘結果觀察和取值不同對結果造成的影響，挖掘結果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看
?度加權頻繁項集挖掘，當介于［0，0.09］時即為多最小支持度加權頻繁模式挖掘。和取值不同，挖掘得到的頻繁模式數(shù)量也會有所差異，我們以頻繁項集的挖掘結果觀察和取值不同對結果造成的影響，挖掘結果見圖3及圖4。圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看到，對不同權重等級設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。為了評估挖掘結果的質量，取LS=0.0002時挖掘得到的頻繁模式集，對它們的權重進行分析，結果見表3。表表3頻繁項集權重描述性統(tǒng)計分析是否劃分權重等級權重最小值權重最大值權重平均值權重中位數(shù)劃分權重等級0.00360.30500.04320.0347圖圖3LLS==0，變變化時頻繁項集數(shù)量圖圖4==0.04，LLS變變化時頻繁項集數(shù)量根據(jù)圖3和圖4得到，隨著和LS的增大，挖掘得到的頻繁項集數(shù)量均逐漸減少。取頁面權重的中位數(shù)作為的值，用頻繁_n_項集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劃分與未劃分權重等級挖掘結果比較從圖5可以看到，對不同權重等級設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_項集n)3(挖掘到的數(shù)目總
【參考文獻】：
期刊論文
[1]基于蟻群算法的關聯(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訪問用戶關聯(lián)規(guī)則挖掘[J]. 李昌兵,凌永亮,汪爾晶. 計算機工程與設計. 2017(04)
[3]關聯(lián)規(guī)則挖掘中查找頻繁項集的改進算法[J]. 張啟徽. 統(tǒng)計與決策. 2015(04)
[4]基于矩陣多源加權關聯(lián)規(guī)則在個性化推薦中的應用[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]基于加權關聯(lián)規(guī)則挖掘的相關文獻推薦[J]. 陳祖琴,張惠玲,葛繼科,鄭宏. 現(xiàn)代圖書情報技術. 2007(10)
[7]多重最小支持度頻繁項集挖掘算法研究[J]. 張慧哲,王堅. 計算機應用. 2007(09)
[8]一種基于用戶訪問模式優(yōu)化網(wǎng)站結構的算法[J]. 馮潔,陶宏才. 微電子學與計算機. 2007(07)
[9]基于多最小支持度的加權關聯(lián)規(guī)則挖掘算法[J]. 鄒力鹍,張其善. 北京航空航天大學學報. 2007(05)
[10]關聯(lián)規(guī)則在網(wǎng)站結構優(yōu)化中的改進算法[J]. 井福榮,謝輔雯. 計算機系統(tǒng)應用. 2007(01)
本文編號：3047317
本文鏈接：http://sikaile.net/guanlilunwen/chengjian/3047317.html
教材專著
