移动平台下基于K-means的租房信息聚类算法研究与实现

【摘要】移动互联网的发展,加快了数据的产生速度；促进了云计算、大数据等数据处理技术的进步。为解决通用搜索引擎应对海量数据检索时返回信息量大、查询精度低等弊病,各类垂直搜索引擎网站迅速发展。安居客作为专业性的房源类信息搜索网站,提供大量的房源信息。租房类信息是各类房源信息中数据量最大、更新最快的一类房源信息。面对大量的房源类信息,研发人员一直研究如何提高服务质量和用户访问量。通过统计用户搜索行为,对于大量分页返回的结果,用户只对前几页感兴趣。将大量的房源信息,快速全面的呈现在用户面前是一个值得研究的课题。移动平台下利用地图服务,将租房信息散布在地图上有助于利用位置服务针对性浏览房源信息。地图呈现的屏幕是有限的,尤其是移动端受屏幕大小制约,单条呈现所能呈现的数据量更受到制约。探索解决出租房源密度与地图比例之间的问题,提出将租房类信息进行聚类显示的思想。聚类之前,对存储在服务端的数据进行预处理,通过对元数据进行清洗、集成、变换、归约四个步骤的依次处理,减小移动端数据处理的计算量。详细分析租房类信息在各个阶段处理的过程,并在最大500万条的数据上进行数据预处理的实验分析。移动端利用服务端传来的数据进行聚类,研究移动平台下中心点与K值选择相关问题,并提出基于地理位置的K-means聚类算法步骤；通过分析地图不同缩放比下聚类属性选择,提出了采用基于K-means改进的K-prototypes的算法进行对多维混合属性进行聚类；同时为减少计算与数据传输,当前地图位置移动时,采用新数据部分聚类的思想进行再聚类。最后,分析了算法的实验性能。初步投放市场的效果也表明该功能的上线在移动端提高了33%的浏览量。
【作者】陈翠卓；
【导师】高丽；
【作者基本信息】华中师范大学，计算机系统结构，2014，硕士
【关键词】移动互联网；租房类信息；地图搜房；数据预处理；K-means聚类；

【参考文献】
[1]尤玉飞.溶胶-凝胶制备Ag、V掺杂TiO_2纳米晶粉体及研究[D].河南科技大学,材料学,2014,硕士.
[2]陈红.商业特色街发展模式与影响因素研究[D].浙江工业大学,2013.
[3]杨冲.山东省莱芜市农村群众体育现状的调查研究[D].南京师范大学,体育教育训练学,2012,硕士.
[4]武洁.雨果文艺思想研究[D].山东师范大学,美学,2013,硕士.
[5]裴中佑.基于随机游走的推荐技术研究及应用[D].西南交通大学,应用数学,2014,硕士.
[6]壮志,安利.移动计费哪个更准——电信行业系列报道之二[J].中国计算机用户,2001,Z1:63-67.
[7]叶慧华.律师业发展问题研究[D].华中师范大学,公共管理,2014,硕士.
[8]李程斌.中美网络安全的国际政治经济学分析[D].外交学院,国际政治,2014,硕士.
[9]张志超.基于Keggin型多金属氧酸盐化合物的合成及性质研究[D].东北师范大学,无机化学,2012,硕士.
[10]赵蕾.盐酸右美托咪定用于妇科手术术后镇痛的疗效观察[D].河北医科大学,麻醉学（专业学位）,2013,硕士.
[11]强德奎.WTO的国民待遇原则对税法的影响[D].中国政法大学,法律,2003,硕士.
[12]严巍.物联网对信息文化的影响研究[D].东北师范大学,情报学,2012,硕士.
[13]曾范永.气爆技术提高煤体渗透性规律的研究[D].辽宁工程技术大学,工程力学,2012,硕士.
[14]吕琪.不适定问题的迭代正则化方法研究[D].武汉理工大学,应用数学,2012,硕士.
[15]王深思.轿车车身系统结构的协同优化研究[D].哈尔滨工业大学,车辆工程,2014,硕士.
[16]闫盼盼.基于量子点和胶体金电化学发光免疫传感器的构建及应用[D].苏州大学,分析化学,2014,硕士.
[17]李波,李宜楠,侯丽婷,侯棚文.具有公平关切的零售商对双渠道供应链决策影响分析[J].控制与决策.
[18]周绍妮,王惠瞳.支付方式、公司治理与并购绩效[J].北京交通大学学报(社会科学版),2015,02:39-44.
[19]刘贤麟.GPS软件接收机建模仿真与抗干扰性能研究[D].西安电子科技大学,通信与信息系统,2012,硕士.
[20]陈立群.双肢波形钢腹板PC梁桥的静力学性能研究[D].华东交通大学,桥梁与隧道工程,2013,硕士.
[21]岳工舒.基于石墨烯纳米结构开关特性与太赫兹特性的研究[D].南京邮电大学,2014.
[22]杨志远,穆东,王英来.二对一型供应链的碳减排合作博弈决策模型研究[J].科技和产业,2015,04:123-129.
[23]王迟宇.柴油机热平衡数值仿真与试验研究[D].浙江大学,2007.
[24]闫岩.基于颜色特征的图像检索技术研究[D].吉林大学,软件工程,2012,硕士.
[25]高丽娜.一种单圈绝对式码盘编译码技术的研究与实现[D].中国科学院研究生院（西安光学精密机械研究所）,通信与信息系统,2012,硕士.
[26]汪玲.725杨再生体系的建立及转Bt基因的研究[D].安徽农业大学,园林植物与观赏园艺,2012,硕士.
[27]陈连升.高效氯氰菊酯降解菌的筛选、鉴定及其降解特性研究[D].浙江工业大学,2013.
[28]刘林霞.Angiopep-2修饰的脑靶向基因传递载体的研究[D].吉林大学,生物化学与分子生物学,2014,硕士.
[29]杜显利.基于PCI总线的通用多DSP处理系统[D].西安电子科技大学,信号与信息处理,2004,硕士.
[30]洁米（MohamedbirhanJemilaJemal）.冲突映射和解决战略：南北苏丹关于阿布耶一地区争端研究[D].吉林大学,国际关系,2014,硕士.
[31]彭娜.葡萄酒产业集群培育发展问题研究[D].河北师范大学,政治经济学,2012,硕士.
[32]庞慧.基于分数阶理论的气浮台姿态控制系统设计[D].哈尔滨工业大学,控制工程,2013,硕士.
[33]周岩,王柏林,杨长业.PWM控制开关变换器大信号稳定性的滑模分析方法[J].控制与决策,2013,04:637-640.
[34]郭策.功率超声珩磨磨削区空化泡动力学及其辐射声场的研究[D].中北大学,机械制造及其自动化,2013,硕士.
[35]张冬映.基于压缩感知理论的定量磁化率重建[D].厦门大学,电子与通信工程,2014,硕士.
[36]蒋小元.金融衍生工具在电力市场风险管理中的应用研究[D].华北电力大学（北京）,技术经济及管理,2003,硕士.
[37]谢全权.稳定土厂拌外协结构件采购的合理性研究[D].吉林大学,工业工程,2012,硕士.
[38]刘春霞.马皮肤成纤维细胞体外培养与异质克隆胚构建[D].内蒙古农业大学,动物遗传育种与繁殖,2004,硕士.
[39]高福彬.氮对201不锈钢组织和性能的影响[D].内蒙古科技大学,冶金工程,2014,硕士.
[40]钱伟.NF-κB在大鼠颅脑损伤后继发性脑损伤中的作用及意义[D].苏州大学,神经外科学,2013,硕士.
[41]苏文崎.新型罗丹明类荧光探针的合成及对金属离子的选择性识别研究[D].西北大学,有机化学,2013,硕士.
[42]刘济恺.防污染的安全网络编码研究[D].西南交通大学,信息安全,2014,硕士.
[43]戴顺华.基于ARM的四通道高速数据采集系统的设计[D].哈尔滨理工大学,测试计量技术及仪器,2013,硕士.
[44]史忠科.一类有效的固定点平滑方法及其应用[J].自动化学报,1995,01:78-81.
[45]王颖.我国农村寿险市场发展中存在的问题及对策[D].中南林业科技大学,农村与区域发展,2013,硕士.
[46]谢美萍.网络时代图书馆管理工作的难度及其对策[J].贵图学刊,2001,02:8-9.
[47]刘浩钊.基于TimeDB的TDBMS研究与应用[D].广东工业大学,计算机应用技术,2004,硕士.
[48]刘哲.预应力粘钢加固钢筋混凝土梁冲击破坏的数值模拟[D].燕山大学,结构工程,2014,硕士.
[49]周振华.游戏场景中分层寻路算法及地图复杂性度量研究[D].河北大学,计算机软件与理论,2014,硕士.
[50]罗胜杰.高等职业技术学院英语词汇教学中的主要问题及对策研究[D].湖南师范大学,学科教学,2003,硕士.