基于用戶瀏覽路徑的Web用戶聚類研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，Web在信息共享、電子商務(wù)和提供在線服務(wù)方面得到廣泛的應(yīng)用。越來(lái)越多的人利用Internet來(lái)查找自己所需要的信息，如何幫助用戶快速的查找到自己想要的信息，滿足他們的個(gè)性化需求便成為現(xiàn)代網(wǎng)絡(luò)技術(shù)關(guān)注的重要問(wèn)題。為解決這一問(wèn)題，研究人員提出了Web用戶聚類方法。Web用戶聚類通過(guò)對(duì)相似用戶歸類，了解用戶群體的需求和興趣，從而為用戶提供更優(yōu)質(zhì)的服務(wù)。 Web用戶聚類主要是對(duì)Web日志進(jìn)行挖掘，主要包括三個(gè)步驟：

2、首先對(duì)日志進(jìn)行預(yù)處理提取用戶的特征；然后根據(jù)用戶特征計(jì)算用戶間的相似度；最后進(jìn)行用戶聚類。用戶特征的提取和用戶相似度計(jì)算在聚類過(guò)程中非常重要，它們的好壞直接影響用戶聚類的效果。目前，用戶特征或者采用用戶會(huì)話路徑來(lái)表示，或者采用事務(wù)識(shí)別出的目標(biāo)頁(yè)面來(lái)表示，但是會(huì)話路徑粒度通常太大，目標(biāo)頁(yè)面也很難發(fā)現(xiàn)用戶的瀏覽行為；相似度計(jì)算時(shí)，已有方法主要進(jìn)行集合之間的交集運(yùn)算，還有方法提出采用平均停留時(shí)間來(lái)計(jì)算相似度，但這些方法都不能很好的發(fā)掘用戶的真

3、正興趣。 針對(duì)上述的問(wèn)題，本文提出一種新的用戶特征表示方法，采用事務(wù)識(shí)別提取的路徑來(lái)表示用戶特征。它比用戶會(huì)話路徑粒度小，同時(shí)彌補(bǔ)了目標(biāo)頁(yè)面表示用戶特征的不足，能很好的發(fā)現(xiàn)用戶的瀏覽行為。并以此為基礎(chǔ)，提出一種新的相似度計(jì)算方法—WUSC(Web UserSimilarity Calculating)。該方法將事務(wù)路徑看作一個(gè)有序序列，考慮用戶問(wèn)路徑上的相同部分和整條路徑的關(guān)系，并充分結(jié)合用戶瀏覽路徑上的停留時(shí)間來(lái)計(jì)算用戶間的相