基于Web日志挖掘的個(gè)性化推薦研究.pdf

1、隨著Internet應(yīng)用的迅速發(fā)展，網(wǎng)上信息迅速增長(zhǎng)，信息種類也越來越多，人們面對(duì)太多的信息無法選擇和消化，此種現(xiàn)象稱為信息過載。Internet上信息資源分布的廣泛性又給用戶尋找感興趣的信息增加了困難，也就是所謂的信息迷失。當(dāng)前主要采用搜索引擎來檢索Web上的信息，大多數(shù)搜索引擎缺乏主動(dòng)性，未考慮個(gè)體用戶的興趣偏好，因而未能有效地解決信息過載和信息迷失的問題。為了有效地解決信息過載和信息迷失給人們帶來的種種困擾。最近研究者們提出了一種

2、被認(rèn)為能有效解決這些問題的技術(shù)-Web個(gè)性化服務(wù)技術(shù)。 Web日志挖掘是將數(shù)據(jù)挖掘技術(shù)作用于Web服務(wù)器日志文件等獲得有關(guān)用戶訪問行為的知識(shí)。這些知識(shí)可以服務(wù)于Web站點(diǎn)的服務(wù)提供方和訪問者，進(jìn)而改進(jìn)Web站點(diǎn)設(shè)計(jì)以方便用戶使用，提高Web服務(wù)器的性能，增加個(gè)性化服務(wù)等。 基于Web日志挖掘的個(gè)性化服務(wù)是目前Web個(gè)性化服務(wù)中應(yīng)用和研究的關(guān)鍵技術(shù)，主要是利用Web日志挖掘的相關(guān)技術(shù)為不同的用戶采取不同的服務(wù)策略，提供不同

3、的服務(wù)內(nèi)容，開展個(gè)性化服務(wù)。 本論文在較為系統(tǒng)地分析Web日志挖掘中數(shù)據(jù)處理方法的基礎(chǔ)上，針對(duì)用戶訪問興趣度表示的不足，提出一種基于用戶瀏覽時(shí)間和瀏覽頁面關(guān)鍵字的度量方法，能較好的表示用戶訪問興趣。提出基于興趣聚類的個(gè)性化網(wǎng)頁推薦方法。對(duì)比K-path聚類，興趣聚類提出了更有效的路徑相似度函數(shù)，采用了競(jìng)爭(zhēng)凝聚思想，能夠自動(dòng)確定最佳的聚類數(shù)目。并對(duì)推薦算法中的相似度函數(shù)進(jìn)行改進(jìn)；利用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)得到頁面推薦集，設(shè)計(jì)一個(gè)基于該算法的

4、個(gè)性化推薦系統(tǒng)模型。通過實(shí)驗(yàn)表明本文的預(yù)處理算法可以很好的識(shí)別用戶的訪問情況，興趣聚類算法在時(shí)間復(fù)雜度上優(yōu)于K-path算法，改進(jìn)的推薦算法可以提高推薦正確率，推薦準(zhǔn)確率在87％左右，具有較高的準(zhǔn)確性。 本文的主要研究?jī)?nèi)容如下： ①Web日志挖掘中數(shù)據(jù)預(yù)處理方法的研究。詳細(xì)研究和探討了Web日志挖掘中數(shù)據(jù)預(yù)處理的整個(gè)過程及方法。包括：數(shù)據(jù)清洗、用戶識(shí)別、會(huì)話識(shí)別、路徑填充、事務(wù)識(shí)別等。 ②對(duì)用戶訪問興趣的表示和度

5、量進(jìn)行了研究。分析了已有的度量用戶訪問興趣方式的不足之處。提出一種基于用戶瀏覽時(shí)間和瀏覽頁面關(guān)鍵字的度量方法。 ③提出了一種基于用戶訪問興趣的聚類算法(CCCA)，并針對(duì)以往推薦方法的不足進(jìn)行相應(yīng)的改進(jìn)。首先針對(duì)K-paths聚類算法的不足，提出更有效的路徑相似度函數(shù)，采用競(jìng)爭(zhēng)聚類思想，能夠自動(dòng)確定最佳的聚類數(shù)目。對(duì)推薦算法中的相似度函數(shù)進(jìn)行改進(jìn)，采用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)得到頁面推薦集。 ④提出基于興趣聚類的個(gè)性化推薦系統(tǒng)模型。