郑丹
- 作品数：4 被引量：16H指数：2
- 供职机构：东北林业大学信息与计算机工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金中国博士后科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于weighted slope one用户聚类的林产品推荐算法被引量：1
- 2016年
- 随着电商平台用户、林产品数量规模不断扩大,协同过滤推荐时构建的用户-林产品评分矩阵变得高维稀疏,导致推荐算法精度和可扩展度下降。基于此本文提出一种weighted slope one用户聚类推荐算法,将其应用在林业产品个性化推荐服务中。首先,通过weighted slope one算法的思想填充高维稀疏的用户-林产品评分矩阵;其次,使用Kmeans聚类算法对用户进行聚类,产生相似用户集合,缩小推荐过程中邻居用户的搜索范围;最后,在大数据Mahout平台进行实际推荐,为林产品贸易平台个性化推荐服务的大规模实现奠定基础。经仿真实验表明,文中提出的算法能够全面提升推荐的精度和可扩展性。
- 郑丹王名扬陈广胜
- 关键词：K-MEANS协同过滤
- 基于Weighted-slope One的用户聚类推荐算法研究被引量：9
- 2016年
- 针对传统协同过滤推荐算法存在的数据稀疏性以及实时性差的问题,提出一种基于Weighted-slope One的用户聚类推荐算法。该算法首先利用Weighted-slope One算法的思想对初始的用户-评分矩阵进行有效填充,降低数据的稀疏性;然后,结合初始聚类中心优化改进的K-means方法对用户进行聚类,生成相似用户集合,以缩小目标用户搜索最近邻的范围;最后,结合目标用户所属的聚类,利用基于用户的协同过滤算法搜索最近邻居,为目标用户推荐对应的产品。仿真实验结果表明,改进算法可以显著降低数据的稀疏度,同时提升推荐的准确性和实时性。
- 郑丹王名扬陈广胜
- 关键词：协同过滤K-MEANS聚类中心
- 一种基于距离-期望密度参数的K—means算法
- 2015年
- 针对K-均值聚类算法随机生成初始聚类中心使得算法容易陷入局部最优的局限性，笔者在综合考虑数据集中数据对象之间的相似性和数据对象密度分布特性的基础上，提出了一种基于距离-期望密度参数K-均值初始聚类中心优化方法．该方法将k个相互距离最远并且能够代表样本对象分布的数据对象作为初始的聚类中心，从而使聚类结果更接近于全局最优解．在UCI数据集上对改进算法进行的仿真实验表明，该方法的聚类结果稳定性和准确率均得到了优化．
- 郑丹王名扬陈广胜
- 关键词：聚类初始聚类中心密度分布
- 基于云计算的微博数据挖掘研究综述被引量：6
- 2014年
- 微博作为新的社会化媒体所产生的巨大影响力和海量数据使之成为很有价值的研究平台,云计算的高效数据处理能力在微博平台的应用,使得对微博的数据挖掘可以快速了解当前的热点话题,控制突发事件,引导舆论导向,分析受众行为,发现新的商业模式等。
- 贾冲冲王名扬郑丹张晓霞
- 关键词：社会化媒体大数据云计算数据挖掘
