信息技术与软件工程杂志
开放获取

抽象的

使用 DBSCAN 聚类算法和 SVM 机器跟踪方法提供 Web 推荐系统以提高搜索质量

莫莱·法德

如今，由于网页的不断增长，存在一种能够从网络上的大量数据中提取用户所需信息的系统似乎是必要的。为此，我们需要定制相关系统。定制系统的最佳方法之一是使用推荐系统。推荐系统是通过从用户获取有限的信息来向用户提供适当建议的系统。推荐系统可以预测用户未来的请求，然后生成用户最喜欢的页面列表。换句话说，可以获得用户行为的准确索引，并预测用户下一步将选择的页面，可以解决系统冷启动问题，提高搜索质量。在本文中，提出了一种改进Web领域推荐系统的新方法，该方法使用DBSCAN聚类算法进行数据聚类，取得了99%的效率分数。然后，使用页面排名算法对用户最喜欢的页面进行加权。然后，利用SVM方法，对数据进行分类，并给用户一个混合推荐系统来生成预测，最终为推荐系统提供用户可能感兴趣的页面列表。对研究结果的评价表明：使用该方法可以在调用部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。采用DBSCAN聚类算法进行数据聚类，效率得分达到99%。然后，使用页面排名算法对用户最喜欢的页面进行加权。然后，利用SVM方法，对数据进行分类，并给用户一个混合推荐系统来生成预测，最终为推荐系统提供用户可能感兴趣的页面列表。对研究结果的评价表明：使用该方法可以在调用部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。采用DBSCAN聚类算法进行数据聚类，效率得分达到99%。然后，使用页面排名算法对用户最喜欢的页面进行加权。然后，利用SVM方法，对数据进行分类，并给用户一个混合推荐系统来生成预测，最终为推荐系统提供用户可能感兴趣的页面列表。对研究结果的评价表明：使用该方法可以在调用部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。对用户最喜欢的页面进行权重。然后，利用SVM方法，对数据进行分类，并给用户一个混合推荐系统来生成预测，最终为推荐系统提供用户可能感兴趣的页面列表。对研究结果的评价表明：使用该方法可以在调用部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。对用户最喜欢的页面进行权重。然后，利用SVM方法，对数据进行分类，并给用户一个混合推荐系统来生成预测，最终为推荐系统提供用户可能感兴趣的页面列表。对研究结果的评价表明：使用该方法可以在调用部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。研究结果评估表明，使用本文提出的方法可以在呼叫部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。研究结果评估表明，使用本文提出的方法可以在呼叫部分获得95%的分数，在准确度部分获得99%的分数，这证明该推荐系统可以达到90%的成绩。正确识别用户页面，大大减少以前其他系统的弱点。