Resumen

En el análisis de clúster de usuarios, los usuarios con características de comportamiento iguales o similares se dividen en el mismo grupo mediante la actualización iterativa de clústeres, y se detectan los grupos de usuarios principales y más grandes. En este documento, presentamos la formulación y la minería de datos de las reglas de correlación basadas en el algoritmo de agrupamiento a través de la definición y el procedimiento del algoritmo. Además, basándonos en la idea del algoritmo de agrupamiento -modo, este documento propone un método de agrupamiento que combina reglas relacionadas con características discretas multivaluadas (MDF). En este documento, construimos un método para calcular la similitud entre usuarios utilizando la distancia de Jaccard y combinamos reglas de correlación con distancias de Jaccard para mejorar la similitud entre usuarios. A continuación, proponemos un método de agrupamiento adecuado para MDF. Por último, el algoritmo básico -modo se mejora mediante el método de medida de similitud que combina la regla de correlación con la distancia de

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Análisis de agrupamiento de usuarios; Características de comportamiento; Reglas de correlación; Algoritmo de agrupamiento; Características discretas multivaluadas; Distancia de Jaccard
• Keywords:User cluster analysis; Behavior characteristics; Correlation rules; Clustering algorithm; Multivalued discrete features; Jaccard distance