在处理多源异构数据、大规模数据时,传统的推送方法倾向于根据整体数据趋势和热门程度进行推送,未能根据具体数据特征和用户行为进行细致区分,因此推送内容可能过于泛泛,缺乏针对性.为此,提出一种基于近邻传播聚类的多源异构数据信息个性化推送方法.使用网络爬虫技术,获取用户在网络上的信息浏览行为数据,对这些数据进行分析,构建用户偏好模型.为了提升数据质量,采用空间滤波法对多源异构数据信息进行去噪处理.通过对数据进行标准化处理,消除数据的多源异构特性,使其具有可比性.在此基础上,运用主成分分析法进一步提取多源异构数据信息的核心特征.利用邻近传播聚类算法,对数据特征和用户偏好进行聚类分析,将具有相似性的数据或用户偏好归为一类.基于这些聚类结果,实现个性化的内容推送.经过实验验证,所设计的信息推送方法展现出极高的适配度和点击率,均超过 95%.这一成果充分证明了所提出的方法能够实现对多源异构数据信息的个性化精准推送,为用户提供更加精准、贴心的信息服务.
NETL
NSTL
万方数据
