基于商品特征属性的个性化实时推荐系统研究

通过研究用户历史行为数据去捕捉用户购物的动态偏好,结合BP算法挖掘与每位用户购物习惯息息相关的商品特征属性集,并建立基于商品特征属性的关联规则推荐模型及基于商品时效的推荐模型,进一步提升个性化实时推荐系统推荐商品的效率并增加其多样性。     

基于数据挖掘的图书馆创新服务研究

图书馆只有挖掘用户潜在的信息需求,才能有针对性地革新服务流程,更新服务内容,扩展服务项目,进一步提高服务的质量、水平和效率。以旅游管理专业借阅记录作为挖掘数据源,先利用Apriori算法提示读者借阅的关联规则,挖掘读者的借阅兴趣和偏好,然后使用K means聚类算法,分析读者聚类特征,为图书馆服务创新和馆系合作提供了更为科学和严谨的研究思路及方法。     

一种基于聚类和关联规则修正的入侵检测技术

针对目前基于K-Means算法的入侵检测技术所存在的符号类型数据处理能力欠缺、误报率较高的问题,提出了一种基于聚类和关联规则修正的入侵检测技术。将关联规则挖掘技术引入到聚类分析机制中,利用针对符号型属性的关联规则挖掘结果对聚类结果进行修正,从而有效降低由于在入侵检测单纯使用聚类分析所导致的误报。详细阐述了改进的具体实现方案,并通过实验验证了该技术的可行性。     

基于关键属性约束的关联规则挖掘在日志分析中的应用

日志是计算机取证、入侵检测分析的重要数据来源,运用关联规则挖掘算法对日志进行分析是获取日志中所蕴含有用信息的重要方法,针对基于置信度-支持度框架的常用关联规则挖掘算法在日志分析中存在的不足,引入日志关键属性的概念,提出了基于关键属性约束的关联规则挖掘算法。实验结果表明,该算法能有效阻止无趣规则的产生,提高挖掘结果的有效性。     

区域文化视阈下的政治关联与企业绩效关系

在经济转型关键期,政治关联对企业发展现实意义重大。故基于区域特征角度,将政治关联细分为两个类型:政府官员类政治关联和代表委员类政治关联,并以2013—2017年山东省上市公司为研究样本,探究企业高管政治关联影响其绩效的作用机理问题。实证显示:受"官本位"这种区域文化影响,企业中代表委员类政治关联类型较多;其次,政治关联带给企业更多的政策性资源,但其总体配置效率较低;另外,不同政治关联类型对企业绩效影响不同。政府官员类政治关联与财务绩效正相关,但会降低企业创新绩效。而代表委员类政治关联与创新绩效正相关,但会降低企业财务绩效。     

特定用户群体关系挖掘与分析研究

为挖掘当前社交网络中具有相同内在因素、特定组织结构的群体,提出一种基于特定用户的群体关系挖掘与分析方法。首先,以特定用户为切入点,改进基于最短路径的图聚类算法,以此关联它们之间的关系,构建初级群体;然后,构造初级群体属性特征比对集合,利用动态权重相似性对其进行扩展,挖掘它们所处的群体;最后,对挖掘出的群体进行聚类效果评估。实验结果表明,该方法聚类效果良好,能够有效挖掘相关群体,为社交网络中的群体发现提供了新思路。     

基于主-子表的挖掘模式存储方法研究

数据挖掘是从大量的数据中提取知识。数据挖掘的主要功能有关联、分类、预测、聚类和时序分析等。文章对关联规则和分类规则这两种挖掘模式的存储方法进行研究,提出在关系数据库系统中使用主-子表来存储关联规则和分类规则的方法,继而将这种存储方法应用在其它类型的模式上,形成一种统一的数据挖掘模式的存储方法。     

加权关联规则挖掘算法

将项目权值引入传统关联规则挖掘中是在项目属性上的扩展。本文分析项目权值对加权关联规则挖掘的影响,并对加权关联规则现有的算法进行总结,同时比较各算法的优缺点。最后对加权关联规则的未来研究发展方向进行探讨。     

数据挖掘技术在高校教学评估中的应用

本文讨论了数据挖掘技术在高校教学评估中的应用，分别利用聚类和关联规则挖掘方法获取了具有不同成绩特征的学生群体和分析出影响学生成绩的主要教师因素，所得出的结论对高校教学评估和教学工作都具有一定的指导意义。     

基于粗集理论的教学评估关联规则挖掘研究

通过关联规则挖掘找出影响教学质量的因素及教学过程中存在的问题,可以有的放矢,以提高教学质量。以某校教学管理系统中的教学数据为案例,基于粗集理论通过数据预处理、属性约简、关联规则挖掘,进行教学评估关联规则挖掘,并对挖掘出的真正有趣的关联规则进行了分析,收到了良好的效果。     

基于用户属性偏好与时间因子的服装推荐研究

针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐（UIACF）算法。通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型。将其与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较,结果显示,UIACF 算法准确率提高 14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高。     

FP-Growth算法在网上招聘系统中的应用

关联规则分析是最常用的数据挖掘方法,其目的是利用历史数据记录,从中发现属性之间的关联,有效地协助有关管理部门进行决策分析。利用关联规则中的FP-Growth算法对网上招聘系统数据库进行挖掘,从中发现属性之间的关联规则,即用人单位的录用规律,有效地协助有关部门在招生过程中指导学生选择专业,克服大家在选择专业时的盲目性,优化专业结构,从而提高就业率。     

数据挖掘技术在高校人力资源管理中的应用

本文探讨了一种基于分类和关联规则挖掘的数据挖掘方法：利用相似性分析将教师分为若干类型,对每一类型应用关联规则挖掘其中隐含的规则;并应用于高校人才引进、任用等管理工作中。     

网络入侵分析关联规则挖掘系统设计

关联规则广泛应用于网络入侵检测,以Access2003数据库为基础,实现了关联规则挖掘apriori算法,成功挖掘出网络数据特征项与入侵类型之间的关联规则,能有效地对网络入侵数据进行关联规则分析。     

网络课程中知识表示的研究

针对现有的网络课程中,海量知识材料的简单堆积,我们使用知识表示,给出了知识点及其属性的定义,并引用关系型模型来表示知识点的属性,定义了知识点关联的类型并依据不同的类型建立了知识点之间关联的混合结构,给出了混合结构的实现方法,构建了智能学习过程的理论基础.     

关联规则挖掘模型在大学生评价中的应用

本文在对数据挖掘相关技术、关联规则挖掘算法进行深入研究的基础上,归纳总结了基于粗糙集理论的关联规则挖掘模型和属性约简算法,并将其成功应用于大学生评价中,为社会选拔人才提供有价值的参考。     

网络游戏者的人格特征

通过对200名本科大学生网络游戏行为的问卷调查和16pf测试,探讨对网络游戏有不同爱好程度、类型偏好的大学生的人格特征。研究结果表明:(1)网络游戏爱好者与非网络游戏爱好者在怀疑性、世故性和实验性三种人格特质上的差异显著。(2)偏好不同类型网络游戏的大学生网络游戏爱好者有不同的人格特征。     

小学生对教师权威的偏好特征及教师权威改善策略

小学生对教师权威的偏好反映的是小学生对教师某些权威类型的喜欢程度。教师权威可分为制度权威、智慧权威、道德权威、人格权威和知识权威等5个基本维度。小学生对教师权威的偏好特征表现为：偏好程度总体较高并具有一定程度的性别和角色差异;在各个维度及其二级分析指标方面存在一定程度的不均衡性和年龄方面的发展差异性。基于小学生对教师权威偏好的视角,教师提高权威水平的主要策略有：全方位发展,努力成为在多方面都有较高权威的教师;关注差异,构建尊重小学生异质化发展的班级共同体;根据不同年级小学生对教师权威的偏好倾向,有所侧重地展现相应的权威。     

基于聚类的关联规则挖掘算法

关联规则是数据挖掘中一个非常重要的任务,有许多针对于关联规则的挖掘算法,然而需要提高算法的有效性来处理现实世界中的数据集。基于聚类的关联规则挖掘算法法通过扫描数据库创建聚类表,将收集的事务记录放入聚类表中,通过局部聚类表的约束来产生频繁项集,不仅可以剪枝候选项集,降低数据扫描的时间,而且确保挖掘结果集的正确性。实验结果表明,基于聚类的关联规则挖掘算法比Apfiori算法有更高的执行效率。     

可信动态度量下学习行为数据分布式挖掘算法

在远程在线学习过程中,需要进行学习行为数据的优化挖掘,指导学习行为优化,提出基于可信动态度量的学习行为数据分布式挖掘算法。建立远程在线学习行为数据的大数据演化特征分布模型,采用大数据信息融合方法进行学习行为数据的可信动态度量,提取学习行为数据分布式关联特征量,采用模糊相关性融合调度方法进行学习行为数据分布式挖掘过程中的自适应调度和寻优控制,结合模糊K均值聚类分析方法进行学习行为数据分布式挖掘的动态特征量聚类分析,在聚类中心中实现对远程在线学习行为数据的自适应融合和分布式挖掘。仿真结果表明,采用该方法进行可信动态度量下学习行为数据分布式挖掘的准确性较高,收敛性较好,挖掘过程的自适应学习性能较好。