基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)的設(shè)計.pdf

1、當(dāng)今社會，IT和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展給人們帶來了無限機遇和財富，但與此同時，其每時每刻也都在產(chǎn)生著數(shù)以億萬計的數(shù)據(jù)量。如果沒有一個好的辦法發(fā)掘出其中潛在的信息，就無法為用戶提供更加優(yōu)質(zhì)的服務(wù)。從海量數(shù)據(jù)中提取特定網(wǎng)絡(luò)用戶與互聯(lián)網(wǎng)的交互行為數(shù)據(jù)并進行分析和研究就是一個比較好的辦法，也是學(xué)習(xí)和發(fā)掘用戶興趣和需求的有效手段;推薦系統(tǒng)是按照特定用戶的興趣和需求，以互聯(lián)網(wǎng)為平臺為他們提供“個性化”服務(wù)的系統(tǒng)。本文所做研究包括:
　　(1)研

2、究了基于內(nèi)容的推薦系統(tǒng)。本文首先對.Pcap文件和數(shù)據(jù)包的結(jié)構(gòu)進行了研究;之后通過對HTTP和TCP協(xié)議通信原理的研究，提取到了網(wǎng)頁文本的URL等關(guān)鍵數(shù)據(jù);然后分析了特征提取和特征降維的相關(guān)算法，得到了由特征詞和對應(yīng)權(quán)重構(gòu)成的特征向量，并構(gòu)造了向量空間模型(VSM);研究了文本聚類的相關(guān)理論和可用算法，并結(jié)合向量空間模型、BWP指標(biāo)、k-means聚類算法、余弦度量和平方誤差準(zhǔn)則等建立了第一次文本分類模型;在推薦環(huán)節(jié)中研究了基于內(nèi)容的推

3、薦系統(tǒng)，確定了推薦方法，完成了基于網(wǎng)絡(luò)用戶行為分析的用戶推薦系統(tǒng)的設(shè)計。
　　(2)提出了基于信息熵的二次聚類改進推薦算法。通過對信息熵相關(guān)理論的研究，明確了信息熵可以作為精確推薦的一種衡量標(biāo)準(zhǔn)和定量度量，并以此為二次聚類推薦模型建立了理論基礎(chǔ);提出并利用了最鄰近熵差、最鄰近熵差閾值、平均熵值逼近等信息熵相關(guān)概念和公式對初始聚類簇數(shù)、簇心以及最終推薦內(nèi)容進行了判斷和計算;然后結(jié)合向量空間模型、最鄰近熵差閾值、平均熵值逼近、連續(xù)型隨

4、機變量的均勻分布以及確定了初始聚類簇數(shù)和簇心的k-means聚類算法建立了第二次文本分類模型;之后通過對對數(shù)函數(shù)的擬合以及同時結(jié)合距離和信息熵值度量的方式得出推薦結(jié)果的個數(shù)和內(nèi)容，完成了基于信息熵的二次聚類推薦模型的構(gòu)造。
　　(3)設(shè)計了相關(guān)實驗對基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)和基于信息熵的二次聚類改進推薦算法性能進行了驗證。實驗結(jié)果顯示，本課題設(shè)計的基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)能夠成功實現(xiàn)對特定用戶的相關(guān)推薦