一種基于查詢?nèi)罩镜挠脩粢鈭D分析方法.pdf_第1頁(yè)
已閱讀1頁(yè),還剩67頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著全球因特網(wǎng)普及程度的加深,因特網(wǎng)上的數(shù)據(jù)也呈爆炸式的增長(zhǎng)。當(dāng)前,互聯(lián)網(wǎng)用戶和以前相比更加依賴于搜索引擎。大量使用者訪問(wèn)搜索引擎,會(huì)產(chǎn)生巨量的檢索日志數(shù)據(jù)。這些數(shù)據(jù)中隱藏了很多的用戶瀏覽模式。因此,利用數(shù)據(jù)分析技術(shù),從用戶的檢索數(shù)據(jù)中發(fā)現(xiàn)用戶意圖,能夠帶來(lái)巨大商業(yè)價(jià)值。
  針對(duì)用戶查詢意圖歸類任務(wù),存在很多分類算法,其中常見(jiàn)的是決策樹(shù)分類算法。典型的決策樹(shù)分類模型是ID3模型,其有很多優(yōu)點(diǎn),例如:算法運(yùn)行時(shí)間較短,對(duì)數(shù)據(jù)的利用

2、率高,沒(méi)有無(wú)解風(fēng)險(xiǎn)。但缺點(diǎn)也很明顯,首先ID3算法沒(méi)有剪枝過(guò)程,而且算法不能處理連續(xù)屬性,最后ID3算法的解可能是局部最優(yōu)解而不是全局最優(yōu)解。本文詳細(xì)描述了經(jīng)典ID3算法的優(yōu)點(diǎn)和缺點(diǎn),并針對(duì)其中的兩點(diǎn)不足“過(guò)多的對(duì)數(shù)運(yùn)算會(huì)影響時(shí)間性能”和“多值特征偏向?qū)е路诸愓_性降低”進(jìn)行了改進(jìn)。本文使用了UCI公共數(shù)據(jù)集檢驗(yàn)了算法的正確性和性能。
  本文介紹了用到的用戶查詢?nèi)罩?,并且提出了一種對(duì)日志預(yù)處理的方法,給出了統(tǒng)計(jì)分析的結(jié)果。最后,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論