序列事件周期性檢測模型優(yōu)化及應(yīng)用
發(fā)布時(shí)間：2021-07-23 08:59
周期模式挖掘是在時(shí)間序列數(shù)據(jù)中尋找重復(fù)出現(xiàn)的序列模式的方法,主要用來刻畫變化較小或者穩(wěn)定的用戶行為模式,在許多應(yīng)用場景下,時(shí)間序列數(shù)據(jù)的周期模式挖掘都具有重要意義。本文在基于交叉熵的序列事件周期性檢測方法CEPD（Cross-Entropy based Periodicity Detection）的基礎(chǔ)上,針對該方法存在的三個(gè)問題,做了進(jìn)一步改進(jìn)和拓展研究,并結(jié)合電子商務(wù)和移動(dòng)互聯(lián)網(wǎng)環(huán)境下的用戶行為進(jìn)行了推薦應(yīng)用。本文的主要內(nèi)容包括三個(gè)方面,第一,實(shí)現(xiàn)了基于交叉熵的序列事件周期性檢測方法的對比研究,并給出了該方法理論上的時(shí)間復(fù)雜度,在構(gòu)造數(shù)據(jù)集和實(shí)際數(shù)據(jù)集上,將基于交叉熵的序列事件周期性檢測方法與其他已有方法在運(yùn)行效率、抗噪音性能和周期檢測結(jié)果的準(zhǔn)確率這三個(gè)方面進(jìn)行了對比,從實(shí)驗(yàn)和理論兩個(gè)方面證明了該方法的可用性。第二,使用機(jī)器學(xué)習(xí)中的正則化技術(shù)對周期檢測方法的目標(biāo)函數(shù)進(jìn)行優(yōu)化,解決了交叉熵隨劃分周期的增大而系統(tǒng)性下降的問題,提高了方法的可用性以及周期檢測結(jié)果的可用性,并使用構(gòu)造數(shù)據(jù)和實(shí)際數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證。在具有明顯周期的數(shù)據(jù)集上,添加了正則化項(xiàng)之后的模型更容易檢測到合適的周期值。第三...
【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：76 頁
【學(xué)位級別】：碩士
【部分圖文】：
京東商城某用戶購物記錄網(wǎng)絡(luò)結(jié)構(gòu)挖掘（WebStructureMining）和網(wǎng)絡(luò)用途挖掘（WebUsageMining），網(wǎng)
| |(|| ) log*j jSnnsupp x P supp x P Ssupp x suppLx np q 式 5-1 可以看出，有兩種方式可以最小化 得 *|jsupp x Ssupp x Pn ，這樣 將接近 0；S ，這樣可以得到一個(gè)較小的Sn 值。制序列 BS {1000010000100001000010000100001該序列的交叉熵曲線，上面的nKL 表示分布周期在 表示結(jié)構(gòu)周期在不同劃分 下的交叉熵。以看出：（1） 5 ， 1 0 和 1 5 都是可能的周期分；（2）對于所有可能的劃分 中的某些劃分，小值，同時(shí)隨著劃分周期n的增大，交叉熵的值也 部分。
MV 166 歐美 7登錄 408 頻道 962電臺 1237 其它 7124港臺 1 日韓 7歌曲 489 試聽 24057歌手 5056 收藏 435華語 9 搜索 2890內(nèi)地 30 專輯 1具體用戶的行為類型可能只有幾種，不同用戶在不同時(shí)間點(diǎn)的不一樣，比如 ID 為“A4A68C413638708428CE81F5772FAE91”有“試聽、電臺、歌手、其他”四種行為類型。下表 6-1 展示了歌行為在一天 24 小時(shí)上的匯總統(tǒng)計(jì)，可以看出該用戶聽歌的午 18 點(diǎn)到晚上 21 點(diǎn)，而在上午 10 點(diǎn)之前沒有聽歌行為。不時(shí)間維度上會表現(xiàn)出不一樣的規(guī)律性。
【參考文獻(xiàn)】：
期刊論文
[1]時(shí)間序列周期模式挖掘算法分析[J]. 鄒蕾. 中國管理信息化. 2016(03)
[2]基于二進(jìn)制序列數(shù)據(jù)的確定事件周期性檢測研究[J]. 袁華,楊銳,錢宇,羅謙. 管理工程學(xué)報(bào). 2015(04)
[3]大數(shù)據(jù)背景下基于網(wǎng)絡(luò)整合數(shù)據(jù)的消費(fèi)者行為分析[J]. 陳思. 新聞傳播. 2013(08)
[4]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏. 自然科學(xué)進(jìn)展. 2009(01)
[5]序列模式挖掘綜述[J]. 陳卓,楊炳儒,宋威,宋澤鋒. 計(jì)算機(jī)應(yīng)用研究. 2008(07)
[6]時(shí)間序列數(shù)據(jù)挖掘綜述[J]. 賈澎濤,何華燦,劉麗,孫濤. 計(jì)算機(jī)應(yīng)用研究. 2007(11)
博士論文
[1]基于流量監(jiān)測的網(wǎng)絡(luò)用戶行為分析[D]. 延皓.北京郵電大學(xué) 2011
碩士論文
[1]基于交叉熵的序列事件周期性檢測及應(yīng)用研究[D]. 楊銳.電子科技大學(xué) 2013
本文編號：3298991
【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：76 頁
【學(xué)位級別】：碩士
【部分圖文】：
京東商城某用戶購物記錄網(wǎng)絡(luò)結(jié)構(gòu)挖掘（WebStructureMining）和網(wǎng)絡(luò)用途挖掘（WebUsageMining），網(wǎng)
| |(|| ) log*j jSnnsupp x P supp x P Ssupp x suppLx np q 式 5-1 可以看出，有兩種方式可以最小化 得 *|jsupp x Ssupp x Pn ，這樣 將接近 0；S ，這樣可以得到一個(gè)較小的Sn 值。制序列 BS {1000010000100001000010000100001該序列的交叉熵曲線，上面的nKL 表示分布周期在 表示結(jié)構(gòu)周期在不同劃分 下的交叉熵。以看出：（1） 5 ， 1 0 和 1 5 都是可能的周期分；（2）對于所有可能的劃分 中的某些劃分，小值，同時(shí)隨著劃分周期n的增大，交叉熵的值也 部分。
MV 166 歐美 7登錄 408 頻道 962電臺 1237 其它 7124港臺 1 日韓 7歌曲 489 試聽 24057歌手 5056 收藏 435華語 9 搜索 2890內(nèi)地 30 專輯 1具體用戶的行為類型可能只有幾種，不同用戶在不同時(shí)間點(diǎn)的不一樣，比如 ID 為“A4A68C413638708428CE81F5772FAE91”有“試聽、電臺、歌手、其他”四種行為類型。下表 6-1 展示了歌行為在一天 24 小時(shí)上的匯總統(tǒng)計(jì)，可以看出該用戶聽歌的午 18 點(diǎn)到晚上 21 點(diǎn)，而在上午 10 點(diǎn)之前沒有聽歌行為。不時(shí)間維度上會表現(xiàn)出不一樣的規(guī)律性。
【參考文獻(xiàn)】：
期刊論文
[1]時(shí)間序列周期模式挖掘算法分析[J]. 鄒蕾. 中國管理信息化. 2016(03)
[2]基于二進(jìn)制序列數(shù)據(jù)的確定事件周期性檢測研究[J]. 袁華,楊銳,錢宇,羅謙. 管理工程學(xué)報(bào). 2015(04)
[3]大數(shù)據(jù)背景下基于網(wǎng)絡(luò)整合數(shù)據(jù)的消費(fèi)者行為分析[J]. 陳思. 新聞傳播. 2013(08)
[4]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏. 自然科學(xué)進(jìn)展. 2009(01)
[5]序列模式挖掘綜述[J]. 陳卓,楊炳儒,宋威,宋澤鋒. 計(jì)算機(jī)應(yīng)用研究. 2008(07)
[6]時(shí)間序列數(shù)據(jù)挖掘綜述[J]. 賈澎濤,何華燦,劉麗,孫濤. 計(jì)算機(jī)應(yīng)用研究. 2007(11)
博士論文
[1]基于流量監(jiān)測的網(wǎng)絡(luò)用戶行為分析[D]. 延皓.北京郵電大學(xué) 2011
碩士論文
[1]基于交叉熵的序列事件周期性檢測及應(yīng)用研究[D]. 楊銳.電子科技大學(xué) 2013
本文編號：3298991
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3298991.html
最近更新
教材專著
