基于贝叶斯网的评价数据分析和动态行为建模

摘要：

随着Web2.0的不断普及和电子商务应用的迅速发展,大规模的在线评价数据不断产生,使用户行为数据分析和用户行为建模成为可能,具有重要意义.考虑到用户评价数据和评价行为的动态性,提出以带有隐变量的贝叶斯网作为各属性间依赖关系及其不确定性表示的基本框架,构建既能刻画用户评价数据中各属性间相互依赖的不确定性、也能描述用户行为动态性的评价行为模型.首先,以贝叶斯信息标准(BIC)分值作为模型与数据拟合度的度量标准,提出基于打分搜索方法来构建各时间片的隐变量模型,并给出基于期望最大(EM)算法的隐变量取值填充方法;其次,基于条件互信息和时序的不可逆性,提出了相邻时间片间隐变量模型的构建方法.建立在MovieLens数据集上的实验结果验证了提出的动态用户行为建模方法的高效性及有效性.

关键词：用户评价数据、时序性、隐变量模型、贝叶斯网、动态行为建模

所属期刊栏目：54

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61472345,61562090;云南省应用基础研究计划重点项目2014FA023;云南大学青年英才培育计划项目WX173602;云南大学创新团队培育计划项目XT412011;云南省教育厅科研基金项目2016ZZX006This work was supported by the National Natural Science Foundation of China61472345,61562090;the Key Program of Applied Basic Research Foundation of Yunnan Province2014FA023;the Program for Excellent Young Talents of Yunnan UniversityWX173602;the Program for Innovative Research Team in Yunnan UniversityXT412011;the Science Research Foundation of Yunnan Provincial Education Department2016ZZX006

在线出版日期：2017-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1488-1499