摘要：随着人们追求高生活品质，国家重视文化艺术的全面发展，学生们需要积极向上的兴趣爱好来提高自身健康和意志力，并为升学提供帮助，也需要结交更多兴趣相同的朋友，相互进步，提升对兴趣的积极性。商家需要用户的消费倾向来达到精准营销效果，本文基于OLAP和K-means聚类算法技术，构建一个对学生兴趣爱好、发起的相关活动统计分析并与用户实时匹配共享，为其提供个性化教学设备资源和兴趣相同的伙伴、相约兴趣活动信息、高校资源平台。在根据学生注册收集到的兴趣类型、空闲地点、参加活动时间地点、等信息深一步的数据挖掘，达到针对性的个性化服务和精准营销效果。
关键词：数据挖掘；OLAP K-means算法；精准营销
引言：
即使国家政策支持兴趣的全面发展，但是现在的学生仍面临着对周边、网上、专业的资源收集，缺少与兴趣相同伙伴相约活动导致对兴趣发展和沟通交流产生消极作用，商家面临对消费者信息收集不完善、资源分配不均等问题。本文运用OLAP和K-means聚类算法技术为学生提供兴趣相同的伙伴，为商家精准服务和资源分配提供依据，使用云平台技术建立用户与用户、用户与培训商家、用户与专业老师同学交流机制。提供视频教学、专业指导、艺校资源、兴趣朋友组织的活动、周边设施和培训机构信息。
基于此，本文以OLAP和K-means聚类算法和云平台服务为蓝图，针对数据进行分析挖掘实施兴趣人群相似度智能匹配，相识相约特定区域参加活动，解决用户对兴趣产生消极孤独的问题、商家和消费者对信息收集和资源整理的困难问题。也缓解“兴趣有，无友陪，兴趣难，难收集，难选择”等问题。为用户提供兴趣朋友，兴趣服务提出设计思路。
1.相关技术研究现状
1.1兴趣发展现状分析
近年来，各个省市将艺术纳入中高考的升学考试中，国家教育也越来越重视画画，音乐，体育等艺术爱好的发展。（引：十七届六中全会明确将文化产业定位为国民经济支柱性产业，文化艺术培训业属于文化产业中“九大产业”之一，它的发展关系到文化事业的繁荣与文化产业的发展。十八届三中全会中提出: 2015年开始对中小学校和中等职业学校学生进行艺术素质测评。并将测评结果记入学生成长档案，作为综合评价学生发展状况的内容之一，以及学生中考和高考录取的参考依据。）大学教育积极提倡兴趣的发展，各个社团活跃兴起。生活质量的不断提高，更多的人愿意把兴趣作为健康的良药，它能使人积极向上。
1.1OLAP和K-means聚类算法技术
随着互联网电商发展，产生各种行业的数据。通过OLAP和K-means聚类算法技术制定合适市场营销策略、提高用户忠诚度和满意度、提高风险管理能力、提高市场响应能力等。OLAP是使管理人员能够从多个角度对从原始数据中转换出来的、能够真正为用户所理解的并真实反映业务维特性的信息进行快速、一致和交互的存取，从而获得对数据更深入的理解。以直观易懂的方式为管理人员提供决策支持。K-means聚类算法就是把整个数据分成不同的组，并使组与组之间的差距尽可大，组内数据的差异尽可能小。
2.OLAP和K-means聚类算法在兴趣交流中的应用
2.1OLAP分析
通过搜集到数据加载到数据仓库中构建多维数据立方体，按照兴趣、空闲时间地点、活动时间地点等维度进行OLAP分析，通过切片切块、钻取等分析手段预测，从不同视角分析数据，获得细节性数据，进一步查看这些数据的细节，发现兴趣问题的本质，从而做出正确的决策。
表1 兴趣记录
爱好记录
用户编号
兴趣
年龄
性别
空闲地点
空闲时间
01
723
篮球
23
男
A
W
02
650
羽毛球
21
女
B
Q
03
124
美术
20
男
C
Q
04
764
音乐
22
女
B
W
05
235
篮球
24
女
A
W
06
534
音乐
21
男
B
W
07
645
羽毛球
22
男
A
Q
08
782
篮球
21
女
C
E
09
347
篮球
23
男
A
W
10
526
羽毛球
19
女
B
Q
图1 产生部分OLAP分析结果
图2 部分OLAP分析结果
2.2K-means聚类算法
（1）同样利用K-means聚类算法把同一地点时间同一爱好的用户进行匹配，那么用户就可以得到空闲时间地点、兴趣和自己相同朋友、在根据用户之间的沟通相约一起进行他们在平台上发起的兴趣爱好活动。例如：喜欢篮球的同学得到同校中和自己年龄、兴趣、休息时间大致相同的同学，进行聊天沟通相约、发起篮球比赛。篮球训练等活动。再结合兴趣活动的信息，进行兴趣聚类，活动地点时间聚类。得到用户经常进行活动的地点，每天进行兴趣活动的时间，进行活动的人群数量，这样在活动地点周围的商家就能更好地做接待准备。也在兴趣聚集多的区域为其设立专门的服务[1]。
（2）也可对学生参加活动次数、爽约次数、每天浏览教学视频次数等进行聚类分析。针对不同的类采取不一的措施[2]。
表3 用户记录表
用户记录
用户编号
活动次数
爽约次数
浏览次数
01
72
4
14
32
02
65
1
11
17
03
12
7
2
41
04
76
3
2
40
05
23
8
3
14
06
53
12
8
16
07
64
2
9
17
08
78
3
13
11
09
34
9
14
6
10
52
5
4
4
图3 部分聚类结果
3.结论
本文提出的兴趣交流平台采用客户端数据库和云端数据库承载和运营，利用OLAP分析和K-means聚类算法技术对收集到的用户信息进行一系列挖掘，智能给用户匹配相应兴趣、年龄、空闲时间、空闲地点相似的朋友，为其建立交流桥梁。选择进行交流参加用户发起活动，结合兴趣类型、经常活动的地点时间为用户制定针对性的个性化服务，再根据用户参加活动的时间地点、人数等记录、进行统计挖掘，实现资源合理分配。与附近的服务设施商家，培训机构商家对接，调整各种场馆开放时间，满足用户资源收集的需求和资源利用率。与艺术高校对接，为艺术类提供高校资料，学习资源，高校内的老师同学咨询等服务，进而实现对兴趣的全面服务。解决对周边、网上专业的资源收集，缺少与兴趣相同的伙伴相约活动导致对兴趣的发展和沟通交流产生消极作用，商家也面临对消费者信息收集不完善、资源分配不均等问题。
参考文献
[1]高校专项经费绩效评价聚类研究[J]. 葛玉林. 现代商贸工业. 2018(35)
[2]李洋.k-means 聚类算法在入侵检测中的应用[J].计算工程，2007，33（14）：154-165.
论文作者:廖润飞 许宇兴 郭志奇
论文发表刊物:《知识-力量》2019年11月52期
论文发表时间:2019/12/6
标签：兴趣论文; 用户论文; 算法论文; 地点论文; 时间论文; 资源论文; 数据论文; 《知识-力量》2019年11月52期论文;