增量学习的优化算法在app使用预测中的应用

作     者：韩迪 李雯婷 王庆娟 周天剑 HAN Di;LI Wenting;WANG Qingjuan;ZHOU Tianjian

作者机构：北京理工大学珠海学院广东珠海519000 澳门科技大学资讯科技学院澳门999078 贵州商学院计算机与信息工程学院贵州贵阳550014 

基　　金：北京理工大学珠海学院校级科研资助项目(XK-2018-06) 

出 版 物：《深圳大学学报（理工版）》 (Journal of Shenzhen University(Science and Engineering))

年 卷 期：2019年第36卷第1期

页      码：43-51页

摘      要：随着智能手机中app数量的不断增加,准确查询目标app渐趋困难.目前利用历史用户数据预测手机系统下一个使用的app算法存在两类问题:一是部分算法因未考虑训练数据日益递增,导致预测结果的准确度随时间增加而降低;二是虽然考虑到了增量数据,但增加了因增量数据而重新建模的时间,导致总体耗时增加.为减少建模时间,本研究提出Predictor预测系统,利用优化后的增量Ik NN模型为用户提供app使用的预测功能.通过学习app特征的上下文关系,设计了聚类有效值(cluster effective value,CEV)策略,采用多维度特征方法来提高分类的准确度,从而提高预测准确度.实验结果表明,带有CEV策略的Ik NN模型比默认的Ik NN模型拥有更稳定的预测准确度,其应用模型Predictor能减少建模的时间,同时提高预测准确度.

主 题 词：模式识别 app使用预测 聚类 增量学习 大数据 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1249.2019.01043

馆 藏 号：203454332...