海量用户需求数据的高效预判筛选仿真

摘要

海量用户需求数据的高效预判筛选,有助于海量数据下的快速查询所需数据。由于用户需求的不同,使得产生的用户需求数据多样化。传统筛选方法主要通过对用户需求数据进行预处理,分析其特征属性,实现数据筛选,忽略了预判在数据筛选中的重要性,导致筛选结果精度低的问题。提出基于时间序列的海量用户需求数据预判筛选方法,以用户需求数据的高效预判筛选原理为基础,通过统计学理论对用户需求数据进行预测,基于K-Means算法确定用户需求数据间距离,采用支持向量机方法结合回归分析,对用户需求数据进行预判。利用影响用户需求的各种不规则因子对用于需求数据进行时间序列分析,得到数据序列,并计算用户需求数据个属性值,获得数据筛选各项权重值,完成海量用户需求数据高效预判筛选。仿真结果表明,采用上述方法进行用户需求数据预判筛选,其预判及筛选结果精度要优于传统方法,具有一定的优势。