一种基于协同过滤与BG/NBD模型数据预测的智能手机节能策略

摘要：

为了节省智能手机电池的能源,基于用户访问数据的可预测性,提出一个基于用户访问数据预测的手机节能策略模型.利用基于混合变量属性的K-means算法对已知用户进行聚类分组,建立相似用户群;利用BG/NBD模型对用户连续搜索期望进行预测;针对有价值的用户,结合协同过滤推荐算法,通过相似用户的历史数据分析预测当前用户未来可能访问的数据信息;利用数据预存储机制预存上述预测数据,通过降低通信次数的方式达到手机节能的目的.初步实验结果表明,所提出的节能策略可以在不影响用户使用满意度的情况下节省约13％以上的能量.

关键词：访问数据预测、K-means算法、BG/NBD模型、协同过滤推荐、数据预存储

所属期刊栏目：23

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61572295.Project supported by the National Natural Science Foundation,China 61572295

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1139-1146