基于决策树的社交网络隐式用户行为数据挖掘方法

摘要

为了解决社交网络隐式用户行为数据挖掘过程中关联相似性计算较为困难的问题，提出了基于决策树的社交网络隐式用户行为数据挖掘方法。将社交网络视为包含不同维度的向量空间，计算特定维度上用户的兴趣空间和兴趣点。确定样本属性集后，根据已知行为数据建立测试分支，计算该分支下子集的属性权重，不断迭代直至挖掘到同等属性的数据点为止。测试结果表明：该方法可对不同种类隐式用户行为精准挖掘，目标行为数据查找效果较好，实用性较强。

关键词

决策树 / 社交网络 / 隐式用户行为 / 向量空间 / 属性集 / 数据挖掘 / 权重值 / 属性元素

基金资助

国家自然科学基金面上项目(61876186); 徐州市科技计划项目(KC21300)