基于訪問(wèn)行為的個(gè)性化推薦網(wǎng)絡(luò)購(gòu)物系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Internet的快速發(fā)展,網(wǎng)絡(luò)已經(jīng)成為人類生活的一部分,也成為人們獲取信息的一個(gè)重要途徑。由于網(wǎng)絡(luò)信息量的不斷增加,人們不得不花時(shí)間從海量的信息中搜尋去自身所需的相關(guān)信息。僅僅依靠人們的搜索時(shí)很難在短時(shí)間內(nèi)找到自己的目標(biāo)的。雖然搜索引擎可以幫助人們解決這個(gè)矛盾,但是由于搜索引擎缺乏智能以及個(gè)性化的推薦,因此不能從根本上解決這個(gè)難題。解決這一難題的思路就是本文提出的基于Web Agent的用戶訪問(wèn)行為的個(gè)性化系統(tǒng)。
　　本文重

2、點(diǎn)以用戶瀏覽行為的角度分析了用戶對(duì)網(wǎng)頁(yè)的興趣度,對(duì)于當(dāng)前被廣泛使用的用戶個(gè)性化模型只依賴頁(yè)面內(nèi)容而建立的方式,具有一定的啟發(fā)作用。本文在總結(jié)了其他學(xué)者們的研究成果基礎(chǔ)上,對(duì)Web Agent和Web數(shù)據(jù)挖掘進(jìn)行了研究,并根據(jù)用戶行為的特性,提出了一種基于關(guān)聯(lián)規(guī)則的協(xié)同過(guò)濾算法,并對(duì)本基于Web Agent的個(gè)性化推薦系統(tǒng)進(jìn)行了設(shè)計(jì)和原型實(shí)現(xiàn)。本文所做的工作如下:
　　1.提出了獲取客戶端用戶行為數(shù)據(jù)的方法并對(duì)行為數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘,

3、將用戶的訪問(wèn)行為和其有興趣的頁(yè)面結(jié)合起來(lái)構(gòu)建了一個(gè)基于Web Agent的用戶訪問(wèn)行為的個(gè)性化推薦原型系統(tǒng)。
　　2.使用Web數(shù)據(jù)挖掘?qū)τ脩舻男袨閿?shù)據(jù)進(jìn)行了分析,由于服務(wù)器記錄的用戶數(shù)據(jù)具有冗余性,而且服務(wù)器和客戶端的日志文件也存在著差異,本文就此使用Web數(shù)據(jù)挖掘,就用戶行為數(shù)據(jù)進(jìn)行了篩選和排除。本文設(shè)計(jì)的基于Web Agent的個(gè)性化推薦原型的數(shù)據(jù)處理包括三個(gè)流程:在線監(jiān)聽(tīng)、離線學(xué)習(xí)和在線推薦。在線監(jiān)聽(tīng)的作用是將用戶的各種行

4、為數(shù)據(jù)、注冊(cè)信息等數(shù)據(jù)結(jié)合起來(lái)成為有價(jià)值的數(shù)據(jù)挖掘的數(shù)據(jù)來(lái)源,通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行挖掘和分析,就能發(fā)現(xiàn)其中的關(guān)聯(lián)規(guī)則。離線學(xué)習(xí)包括為內(nèi)容數(shù)據(jù)的預(yù)處理、結(jié)構(gòu)數(shù)據(jù)的預(yù)處理和使用數(shù)據(jù)的預(yù)處理。當(dāng)預(yù)處理結(jié)束之后,再選用合適的工具對(duì)這些模式和數(shù)據(jù)進(jìn)行分析,從海選的數(shù)據(jù)中選拔出有用的規(guī)則。在線推薦模塊式根據(jù)使用者的喜好向用戶其推薦他們可能會(huì)感興趣的產(chǎn)品,然后在根據(jù)用戶的反應(yīng),系統(tǒng)給予統(tǒng)一的評(píng)價(jià),通過(guò)挖掘規(guī)則提取出的模式與當(dāng)前用戶會(huì)話比較,生成用戶需要