Web使用挖掘的個(gè)性化推薦系統(tǒng)研究.pdf

1、隨著電子商務(wù),Web服務(wù)以及基于Web的信息系統(tǒng)的持續(xù)壯大和發(fā)展,基于互聯(lián)網(wǎng)的信息量以及信息交互量越來越大。如何從這海量的數(shù)據(jù)中發(fā)現(xiàn)有用的信息,為訪問者提供更個(gè)性化的服務(wù),滿足用戶需求給我們帶來了一個(gè)嚴(yán)峻的挑戰(zhàn)。由此,Web數(shù)據(jù)挖掘孕育而生,而作為分析用戶行為的重要組成部分,Web使用挖掘(也稱日志挖掘)日漸成為研究重點(diǎn)。Web使用挖掘旨在從用戶聚集的大量點(diǎn)擊流(Clickstream)和用戶數(shù)據(jù)(User Data)中分析產(chǎn)品設(shè)計(jì),評(píng)

2、估頁面相關(guān)性,優(yōu)化Web應(yīng)用程序的功能,從而為訪問者提供更個(gè)性化的內(nèi)容。
　　 本文以服務(wù)器訪問日志為數(shù)據(jù)源,利用Web使用挖掘和個(gè)性化推薦相關(guān)理論,綜合分析大量Web個(gè)性化推薦方面論文,通過建立聚類模型和分析Web訪問行為來理解線上用戶的信息需求,提出了一個(gè)由線上和線下系統(tǒng)組成的Web個(gè)性化推薦系統(tǒng)的設(shè)計(jì)框架并實(shí)現(xiàn)。其中重點(diǎn)就數(shù)據(jù)預(yù)處理方法,訪問模式頁面聚類,相似性頁面的分類推薦三個(gè)方面進(jìn)行了深入研究。具體工作如下:
　

3、　 (1)作為Web日志挖掘的必要工作,研究了數(shù)據(jù)預(yù)處理的過程和方法,包括數(shù)據(jù)清理,用戶識(shí)別技術(shù)和會(huì)話識(shí)別技術(shù)。并根據(jù)本系統(tǒng)情況采用其中一種算法并適用。
　　 (2)頁面聚類可以發(fā)現(xiàn)用戶的訪問模式,本文根據(jù)前人的一種頁面聚類算法(SUGGEST系統(tǒng))提出一種新的基于圖分割的聚類算法:根據(jù)不同的頁面相關(guān)度計(jì)算公式建立無向圖,然后用深度優(yōu)先搜索算法(DFS)進(jìn)行聚類。
　　 (3)系統(tǒng)預(yù)測(cè)和推薦方面,設(shè)計(jì)了一種以計(jì)算頁面訪