网上书店订单数据关联数据分析

数据挖掘技术在网上书店系统中起着重要作用,使用数据挖掘技术分析订单数据,通过关联规则挖掘得到相同种类图书之间和不同种类图书之间的关联关系,根据分析结果可以在客户下订单时,为客户推荐相关书籍,从而增加销售额。该文介绍网上书店订单数据关联分析的过程和结果。     

基于协同过滤算法的个性化高校选课推荐系统研究

随着学生在教学过程中主体地位的突出,学生选课已成为学生个性化发展的重要途径,而大多数高校在选课机制方面仍存在一定欠缺,为此本文在学生选课环节中引入了数据挖掘技术及协同过滤算法。本文针对高校选课个性化推荐系统进行研究,通过分析高校选课制度的现状并将协同过滤算法、数据挖掘技术和个性化推荐技术等相关技术运用到该系统当中,促进选课个性化推荐系统的优化。     

基于数据挖掘的电池信息推荐系统研究

随着大数据的不断发展,基于数据挖掘的应用越来越广泛。通过对信息推荐系统的理论和技术问题进行研究,构建了基于数据挖掘环境下的电池信息推荐系统。利用数据挖掘技术研究信息推荐系统,解决Internet环境中信息资源系统的信息过载问题,为不同用户提供个性化的推荐服务,使用户具有更方便、有效的信息体验方式。     

红色旅游助手个性化推荐技术的设计

个性化推荐技术是旅游服务平台的核心功能之一,其目的是采用协同过滤、内容过滤、知识发现、关联推荐等技术,在合适的场景通过合适的方式把合适的内容,推荐给合适的用户,从而提高用户体验。本文介绍了大别山红色旅游助手APP中个性化推荐技术的体系结构、推荐算法的设计、关联推荐的设计,并给出了系统的实验分析。     

数据挖掘在XML的维修管理系统中的应用研究

数据挖掘(Data Mining,DM)技术是当前研究热点之一。本文根据维修管理系统利用XML(可扩展标记语言)的格式标记交换数据的特点,建立了数据挖掘系统模型,对数据结构和数据取样处理进行分析,最后利用决策树ID3修正算法,给出了数据挖掘的具体实现,通过项目验证了该数据挖掘模型在系统中的可行性。     

基于混合数据挖掘方法的入侵检测算法研究

入侵检测技术是一种主动保护自己免受攻击的网络安全技术,入侵检测系统处于防火墙之后,在不影响网络性能情况下对网络活动进行实时监测。传统的入侵检测系统面对海量的信息数据,不能及时有效地分析处理这些数据,而数据挖掘技术的运用正好能够满足入侵检测系统的要求,合理的分析数据,有效处理数据。文章针对目前入侵检测系统中存在的一些问题,重点阐述了数据挖掘算法在异常检测和误用检测中的具体应用。对于异常检测,主要运用了分类算法;对于误用检测,主要运用了聚类算法、关联规则和孤立点等算法。最后根据基于数据挖掘的入侵检测系统的主要优点对目前数据挖掘算法在入侵检测中应用所面临的难点进行了分析,并设计了国内第一个数据挖掘混合技术的入侵检测算法实例。     

中国移动用户数据分析推送平台的设计与实现

基于海量用户信息空间分析出用户的个性化需求,有针对性的服务推送难度越来越大。针对这种情况,提出了一种智能化信息服务系统,通过用户建模技术对用户的个性化信息需求进行描述,并根据用户模型推送有针对性信息的定制服务。首先,建立客户画像的维度并利用画像数据进行数据挖掘,采用关联分析算法对移动客户感兴趣的网络内容进行统计计算,找出移动客户访问网络内容的潜在规律,然后,根据软件工程思想,对系统进行了详细的模块设计,主要对系统的数据挖掘模块及关联分析算法进行了实现,最后,完成了整个系统的部署和测试。实验结果证明,基于中国移动用户数据的分析推送平台,为用户提供更加精准的个性化信息推送服务,适应移动互联网信息服务的发展趋势。     

计算机数据库入侵检测技术探析

根据入侵检测系统和数据挖掘技术的特征,提出一种运用数据挖掘技术的入侵检测系统。它的架构包括数据采集、规则建立、异常检测、响应处理。采用改进的Apriori算法,即关联规则数据挖掘技术从系统有关数据中提取有关行为特征和规则,从而用于建立数据库安全异常模式或正常模式。     

浅析GIS技术在旅游服务信息系统中的应用

本文首先根据旅游服务信息系统的信息化需求和现状，分析目前旅游服务信息系统建设中存在的问题和困难，以宁德市旅游服务信息系统为例，介绍GIS技术在该系统中的运用，以及以GIS技术为核心的旅游服务信息平台如何为我们提供更高效简洁友好的服务，最后，分析一下GIS技术在实际应用中所达到的效果。     

基于分布式数据挖掘的电子商务推荐系统①

为解决电子商务推荐系统开放性、效率和精确度问题,给出了基于分布式数据挖掘的电子商务推荐系统(BDBRS)功能结构,提出了该系统的体系结构,然后介绍了BDBRS所应用的技术和BDBRS的设计与实现,最后描述了BDBRS的部分功能模块及人机界面,验证了BDBRS的正确性和本文研究的推荐算法在效率、精确度等方面的优越性。     

Research on Tourist Routes Recommendation Based on the User Preference Drifting Over Time

Tourist routes recommendation is a way to improve the tourist experience and the efficiency of tourism companies. Session-based methods divide all users’ interaction histories into the same number sessions with fixed time window and treat the user preference as time sequences. There have few or even no interaction in some sessions for some users because of the high sparsity and temporal characteristics of tourist data. That lead to many session-based methods can not be applied to routes recommendation due to aggravate the sparsity. In order to better adapt and apply the characteristics of tourism data and alleviate the sparsity, a tourist routes recommendation method based on the user preference drifting over time is proposed. Firstly, the sparsity, temporal context, tourist age and price characteristics of tourism data are analyzed on a real tourism data. Secondly, based on the results of analysis, tourist interaction history is dynamic divided into different number of sessions and the tourist’s evolving profile is then constructed by mining his probabilistic topic distribution in each session using Latent Dirichlet Allocation (LDA) and the time penalty weights. Then, the tourist feature vector based on the tourist age, the price and season of his tourism is modeled and a set of nearest neighbors and the candidate routes is selected base on it. Finally, the routes are recommended according to the similarities of probabilistic topic distributions between the active tourist and routes. Experimental results show that the proposed method can not only effectively adapt to the characteristics of tourism data, but also improve the effect of recommendation.     

基于数据挖掘的Web个性化信息推荐系统

基于数据挖掘的Web个性化信息推荐日益成为一个重要的研究课题。文章设计了一个基于数据挖掘的Web个性化信息推荐系统(WPIRS)。在WPIRS中,提出了推荐策略,在推荐策略中考虑针对不同类型的用户采用不同的推荐算法。根据用户是否有新颖信息的需求,WPIRS采用了两种推荐算法。     

A personalized route recommendation service for theme parks using RFID information and tourist behavior

Like any other industry, theme parks are now facing severe challenges from other entertainment competitors. To survive in a rapidly changing environment, creating high quality products/services in terms of consumer preference has become a critical issue for theme park managers. To fulfill these needs, this paper develops a route recommendation system that supplies theme park tourists with the facilities they should visit and in what order. In the proposed system, tourist behaviors (i.e. visiting sequences and corresponding timestamps) are persistently collected through a Radio-Frequency Identification (RFID) system and stored in a route database. The database is then segmented into sub-groups based on the similarity among tourists’ visiting sequences and time lengths. Whenever a visitor requests a route recommendation service, the system identifies the sub-group most similar to that visitor's personal preferences and intended visitation time. Based on the retrieved visiting behavior data and current facility queuing situation identified by the RFID system, the proposed system generates a proper route suggestion for the visitor. A simulation case is implemented to show the feasibility of the proposed system. Based on the experimental results, it is clear that the recommended route satisfies visitor requirements using previous tourists’ favorite experiences.     

Web记录挖掘及其在旅游电子商务中的应用

介绍Web挖掘技术,特别是Web记录挖掘过程.利用Web记录挖掘技术和推荐引擎技术,帮助旅游电子商务企业建立个性化的旅游网络,为旅游者推荐旅行计划,提高网站的预订率,让旅游企业获利.     

Web使用挖掘在电子商务中的应用研究

电子商务是新兴的现代商业模式,Web数据挖掘是先进的信息处理技术,把Web挖掘应用于电子商务是一个十分有意义的研究方向。本文在简单介绍Web挖掘的基础上,重点介绍了Web使用挖掘及其在电子商务中的应用。并且提出了一种应用于电子商务环境,基于客户选择的,运用Web使用挖掘技术的个性化推荐方法。     

Towards personalized recommendation by two-step modified Apriori data mining algorithm

In this paper a new method towards automatic personalized recommendation based on the behavior of a single user in accordance with all other users in web-based information systems is introduced. The proposal applies a modified version of the well-known Apriori data mining algorithm to the log files of a web site (primarily, an e-commerce or an e-learning site) to help the users to the selection of the best user-tailored links. The paper mainly analyzes the process of discovering association rules in this kind of big repositories and of transforming them into user-adapted recommendations by the two-step modified Apriori technique, which may be described as follows. A first pass of the modified Apriori algorithm verifies the existence of association rules in order to obtain a new repository of transactions that reflect the observed rules. A second pass of the proposed Apriori mechanism aims in discovering the rules that are really inter-associated. This way the behavior of a user is not determined by “what he does” but by “how he does”. Furthermore, an efficient implementation has been performed to obtain results in real-time. As soon as a user closes his session in the web system, all data are recalculated to take the recent interaction into account for the next recommendations. Early results have shown that it is possible to run this model in web sites of medium size.     

数据挖掘技术在入侵检测中的应用研究

在对入侵检测系统进行分析研究的基础上,提出了引入数据挖掘技术的必要性,并重点研究了数据挖掘技术在入侵检测的误用检测和异常检测中的具体应用.     

内嵌式数据挖掘系统及其实现方法

首先剖析数据挖掘系统与数据库及数据仓库之间的关系,然后提出了内嵌式数据挖掘系统的思想、实现方法及其关键技术,描述了使用决策树算法对内嵌式数据挖掘系统的实现方法,并展望了内嵌式数据挖掘系统的未来.     

数据挖掘技术在旅游电子地图中的应用研究

随着国家加速数字城市的建设,在旅游部门应用地理信息系统技术提供旅游信息咨询成为了一种趋势.各地都在开发旅游电子地图,但目前的大多数地图仍存在功能、服务单一等问题,即“数据爆炸而知识匮乏”.本文探讨了如何利用数据挖掘技术丰富和完善旅游电子地图的功能.     

一种上下文感知的旅游信息服务推荐方法

在旅游时游客很难预先知道自己的旅游需求,并且旅游偏好在旅游过程中也会发生变化.为了给游客提供即时高效的个性化信息服务,本文将上下文信息引入推荐系统,结合案例推理和神经网络,根据游客的喜好为用户提供个性化信息服务推荐.实验表明,该方法可较好克服推荐系统新用户冷启动的问题,提高旅游信息服务的准确率和提升游客服务的满意度.