基于網(wǎng)絡(luò)日志挖掘的個性化搜索.pdf

1、通用的搜索引擎接到不同用戶輸入查詢詞后，按照統(tǒng)一模式處理，搜索引擎返回一樣、成百上千、與用戶興趣不相關(guān)、重復(fù)甚至是過時的信息。個性化技術(shù)針對不同的用戶采取不同的服務(wù)策略，提供不同的服務(wù)內(nèi)容，提供滿足其個性化需求的服務(wù)。 由于網(wǎng)絡(luò)日志記錄著用戶訪問網(wǎng)頁的信息，用戶的訪問日志可以反映用戶的瀏覽模式和瀏覽興趣，通過該日志及用戶瀏覽網(wǎng)頁的內(nèi)容，可以發(fā)現(xiàn)用戶的興趣，根據(jù)用戶的興趣，建立用戶興趣模型，在用戶使用網(wǎng)絡(luò)搜索引擎進行搜索時，參考用

2、戶的興趣，對查詢詞進行修正和查詢擴展，對查詢結(jié)果重新排序，提高用戶查詢信息的準(zhǔn)確率，節(jié)省用戶查詢信息所需的時間。 本文在對搜索引擎、個性化搜索等相關(guān)原理與技術(shù)分析的基礎(chǔ)上，深入分析了用戶網(wǎng)絡(luò)日志挖掘和基于網(wǎng)絡(luò)日志挖掘的用戶興趣提取等關(guān)鍵技術(shù)，具體研究成果如下： (1)開發(fā)一個插件，在客戶端收集用戶訪問網(wǎng)絡(luò)的日志，清洗用戶訪問網(wǎng)絡(luò)的日志，分析用戶的網(wǎng)絡(luò)訪問日志，挖掘用戶訪問網(wǎng)絡(luò)的習(xí)慣。對用戶訪問的網(wǎng)頁內(nèi)容根據(jù)其URL特征對

3、網(wǎng)頁進行分類。統(tǒng)計分析用戶訪問網(wǎng)絡(luò)日志，挖掘用戶的興趣類。對相同類別的網(wǎng)頁內(nèi)容進行聚類分析，對興趣分類集進行挖掘提取用戶的興趣特征。 (2)挖掘用戶網(wǎng)絡(luò)訪問日志，統(tǒng)計分析用戶訪問網(wǎng)絡(luò)日志中URL的有效信息，提取用戶的興趣類并且對用戶訪問網(wǎng)頁的內(nèi)容進行“專業(yè)性”的分類，對相同類別的網(wǎng)頁內(nèi)容進行聚類挖掘分析，根據(jù)用戶的興趣類信息挖掘出用戶的興趣特征集。 (3)通過挖掘和識別用戶訪問網(wǎng)絡(luò)的最大向前引用路徑，結(jié)合用戶興趣特征的位

4、置語義信息，挖掘提取用戶興趣特征的固定搭配，提取出用戶興趣特征的最大擴展短語集合，建立用戶興趣的查詢擴展集。 (4)根據(jù)挖掘網(wǎng)絡(luò)日志建立的用戶興趣類，用戶興趣特征，用戶興趣特征的查詢擴展集等信息，建立樹狀的用戶興趣模型。 (5)參考用戶的興趣模型，在用戶使用搜索引擎進行信息檢索的時候，對用戶提交的查詢詞進行擴展和修正，將修正好的查詢詞提交給搜索引擎接口，反饋給用戶個性化的信息。 在進行上述理論分析和研究的基礎(chǔ)上，