科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对海量交易数据易遭受干扰,导致推荐信息混乱、不能为用户有效决策基础问题,提出了一种海量交易数据抗干扰推荐算法,首先对交易数据进行决策树全局搜素,获取决策节点的误差率,更新全部历史数据的平均分类准度。然后使用自适应门限变换干扰抑制方法,降低交易数据中的干扰因素,从而提高网络交易数据的抗干扰性,再通过构建待推荐内容信息项目测评矩阵,计算用户相似度及加权平均值,最后融合上述数值,构建出海量交易数据抗干扰推荐模块,并使用用户聚类分析算法对交易数据分组,随后经过协同过滤把有效信息推送给效用度较高的用户。仿真结果证明,本文算法能够有效的对海量交易数据的干扰做出实时的抑制,效率高且推荐数据内容有效。
-
单位天津商业大学宝德学院
