论文部分内容阅读
传统算法很少有研究用户行为的聚类，用户访问关键词、访问时间、访问次数等行为都能够反应出其兴趣，从用户行为日志出发，考虑到其访问量、关键词序列以及关键词之间的时间间隔权重，对k-means进行改进，提出一种基于行为序列相似度的加权聚类算法K-Similar,重要的用户群体聚到一类，挖掘出这一类用户的内容需求。该算法已在中国知网的行为日志数据上进行了验证，验证结果表明，该算法在效率和精度上较k-means都有一定程度的提高，得到了兴趣度更高的用户群体，展现了群体的需求特点。