一种基于K﹣均值的用户行为聚类算法

摘要：

针对电子商务系统中大多采取用户评分或购买数据进行聚类，较少进一步分析用户行为的现状，提出一种根据用户浏览商品时序分析用户兴趣的方法。在此基础上先用 CanoPy 算法进行数据预处理后使用 K ﹣均值算法根据用户兴趣实现用户聚类。采用 KDD CUP2000数据集中的用户点击流数据中的用户浏览记录对算法进行实验，实验结果表明算法有较好的聚类结果。

关键词：用户行为聚类、K﹣均值、CanoPy

分类号：TP311;O235(计算技术、计算机技术)

资助基金：福建省大数据管理新技术与知识工程重点实验室，智能计算与信息处理福建省高等学校重点实验室开放课题2014KL06

在线出版日期：2015-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：94-98