基于Web的個性化服務中用戶興趣模型研究.pdf

1、隨著網(wǎng)絡技術的發(fā)展，Internet上的數(shù)據(jù)量大量增加，同時人們對信息的需求也越來越專業(yè)化。個性化服務技術的出現(xiàn)在一定程度上解決了信息的多樣化與用戶需求的專一化之間的矛盾。用戶興趣建模技術則是個性化服務的核心問題，用戶興趣模型能否準確地反映用戶的興趣決定了系統(tǒng)提供個性化服務的質量。 本文對當前主要的web挖掘技術和用戶興趣建模技術進行了分析，提出了把用戶瀏覽內(nèi)容分析和瀏覽行為分析相結合的用戶興趣挖掘模型。對本文中所涉及的技術做了

2、初步的介紹和研究，并簡單介紹了本文所采用的方法。 首先介紹了用戶數(shù)據(jù)的收集。數(shù)據(jù)收集工作，在用戶興趣模型建設中是一項基礎而重要的工作，主要任務是收集用戶瀏覽頁面的集合和用戶在頁面上的行為記錄，并進行整理和組織。經(jīng)過實驗分析，收集的瀏覽內(nèi)容數(shù)據(jù)只需文章的標題、首段和末段三部分，而瀏覽行為數(shù)據(jù)可歸結為兩類行為數(shù)據(jù)：用戶瀏覽網(wǎng)頁的時間和拉動滾動條的次數(shù)。 重點探討了基于瀏覽內(nèi)容的用戶興趣度分析和基于瀏覽行為的用戶興趣度分析。在

3、對瀏覽內(nèi)容的分析中，首先利用中文分詞技術來進行特征向量的抽取。本地分詞詞典由多個單字詞表組成，由這種方法建立的分詞詞典能很方便的添加未登錄詞，并且便于查找。特征詞權值的計算采用改進的TF-IDF公式。對用戶行為與網(wǎng)頁興趣度的關系計算時，則是采用建立用戶行為回歸方程式，根據(jù)回歸方程計算出用戶對所瀏覽頁面的興趣度。把計算出的基于頁面內(nèi)容的特征詞權值和用戶瀏覽行為對頁面的興趣度合成一個完整的頁面特征矩陣。再采用提出的層次聚類和k-means聚