基于Web日志挖掘的個(gè)性化推薦系統(tǒng)研究.pdf

1、伴隨互聯(lián)網(wǎng)、電子商務(wù)的高速發(fā)展,基于Web形式的信息量及信息交互量越來(lái)越巨大,如何從中發(fā)現(xiàn)有用信息、為用戶提供個(gè)性化服務(wù)已經(jīng)成為該領(lǐng)域中迫切需要解決的一個(gè)重要問(wèn)題。Web挖掘應(yīng)運(yùn)而生,作為Web數(shù)據(jù)挖掘的一個(gè)重要組成部分,Web日志挖掘旨在通過(guò)對(duì) Web日志文件進(jìn)行深層數(shù)據(jù)挖掘來(lái)發(fā)現(xiàn)用戶的訪問(wèn)模式、分析用戶的應(yīng)用需求,從而為用戶提供個(gè)性化的服務(wù)。
　　 論文在綜合分析Web挖掘、個(gè)性化推薦領(lǐng)域的研究現(xiàn)狀及存在的問(wèn)題的基礎(chǔ)之上,結(jié)

2、合個(gè)性化推薦的兩階段模型,提出了基于Web日志挖掘的個(gè)性化推薦系統(tǒng)解決方案。并就其中的用戶會(huì)話識(shí)別、會(huì)話聚類、網(wǎng)頁(yè)聚集三個(gè)主要問(wèn)題進(jìn)行了深入研究,具體的工作如下:
　　 1.作為網(wǎng)站的主體,如何識(shí)別用戶是Web日志挖掘預(yù)處理中的一個(gè)重要任務(wù),本文采用了一種基于時(shí)間的會(huì)話識(shí)別方法,并根據(jù)頁(yè)面URL之間的鏈接關(guān)系,計(jì)算頁(yè)面之間的相似性,能夠縮短會(huì)話的長(zhǎng)度,進(jìn)而建立了基于時(shí)間和頻率的會(huì)話向量矩陣,為會(huì)話的聚類建立了有效的模型。

3、　　 2.會(huì)話相似性的計(jì)算是否合理將直接影響用戶聚類的質(zhì)量,并將關(guān)系到是否能夠準(zhǔn)確發(fā)現(xiàn)用戶的訪問(wèn)行為,本文在會(huì)話相似性度量方面,根據(jù)時(shí)間和頻率數(shù)值特性的不同,分別設(shè)立了不同的計(jì)算公式。
　　 3.在用戶聚集方面提出了一種基于PS-KM聚類算法,該算法將粒子群優(yōu)化算法(PSO)和k-means算法相結(jié)合,在PSO算法達(dá)到最優(yōu)解附近時(shí),轉(zhuǎn)向k-means算法,使得聚類的質(zhì)量及效率量明顯提高。
　　 4.最后在用戶會(huì)話聚類的