典型文献
基于优化K-means聚类算法的用户画像
文献摘要：
近年来,用户画像作为一种有效的大数据工具,在电子商务、社交网络等互联网行业得到广泛应用.然而,对于传统企业,数据维度往往较少,同时分散在多个信息系统,难以通过一般的方法得到较准确的结果.针对此问题,文章提出基于优化K-means聚类算法的用户画像方法,即同时利用K-means++初始聚类中心优化算法提高聚类精度、Mini Batch K-means小批量优化算法提高收敛速度,以充分结合二者的强互补性,提高算法的分析处理能力.基于企业数据和公开数据集的实验结果显示,相比经典K-means算法,该方法的速度和精度分别提高150倍、20％左右.
文献关键词：
优化K-means均值算法;用户画像;聚类分析;有限维度;高分散度
中图分类号：
作者姓名：
王晨光
作者机构：
中国石化油品销售事业部,北京 100728
文献出处：
引用格式：
[1]王晨光-.基于优化K-means聚类算法的用户画像)[J].科技创新与应用,2022(18):18-21
A类：
聚类中心优化
B类：
聚类算法,用户画像,社交网络,互联网行业,传统企业,数据维度,means++,初始聚类中心,聚类精度,Mini,Batch,小批量,收敛速度,互补性,分析处理,处理能力,企业数据,公开数据集,有限维度,高分散度
AB值：
0.379913
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
