基于Web日志挖掘的個性化推薦方法研究.pdf

1、隨著互聯網的飛速發(fā)展，Web被廣泛的應用于人們的日常生活、學習、工作以及娛樂活動中。Web可以比作為一個巨大的信息收集站，它存儲著各種各樣的人們所需要的資料信息。在這個信息充足而知識貧乏的時代，由于信息種類的繁多，使得用戶容易在龐大的信息中迷失，基于Web日志挖掘的個性化推薦可以有效的解決這個問題。
　　結合Web日志挖掘的個性化推薦的核心是推薦的方法，也是本文研究的重點。馬爾可夫(Markov)預測模型簡單易行，是一種應用廣泛的

2、統(tǒng)計模型，近年來開始應用于用網頁預測且比較適合作為智能推薦系統(tǒng)的預測模型。本文針對Markov預測模型在Web數據挖掘的個性化推薦中的應用研究做了以下幾點工作:
　　1、對Web日志挖掘和個性化推薦的方法進行研究，重點研究了Web日志挖掘預處理技術，給出了各階段的算法。然后分別對傳統(tǒng)Markov預測模型、混合Markov預測模型、多Markov鏈模型在構建過程以及預測方法進行了研究。
　　2、基于Markov預測模型提出一種

3、改進算法。該算法用混合樹結構代替?zhèn)鹘y(tǒng)的狀態(tài)轉移矩陣，能同時進行多階預測；利用用戶頻繁路徑代表用戶特征，通過比較頻繁路徑之間的相似度進行用戶分類，降低了用戶分類過程的復雜度；引入網頁聚類思想，不僅進一步壓縮存儲空間，且使高階序列具有較高的匹配度，使推薦結果更加準確。通過實驗證明了改進算法的優(yōu)越性。
　　3、針對改進算法設計基于Web日志挖掘的個性化推薦原型系統(tǒng)。原型系統(tǒng)包含離線部分和在線部分，細分為預處理模塊、模式挖掘模塊、推薦模塊