基于用戶(hù)Web訪問(wèn)日志聚類(lèi)的推薦算法研究與應(yīng)用.pdf

1、當(dāng)今互聯(lián)網(wǎng)飛速發(fā)展，網(wǎng)絡(luò)中交互的數(shù)據(jù)量越來(lái)越大，種類(lèi)越來(lái)越多。面對(duì)數(shù)以?xún)|計(jì)的數(shù)據(jù)，互聯(lián)網(wǎng)用戶(hù)面臨的問(wèn)題是如何從中找到自己感興趣的數(shù)據(jù)，而對(duì)于網(wǎng)站運(yùn)營(yíng)者來(lái)講應(yīng)該考慮的是如何在以幾何級(jí)別的增長(zhǎng)速度的網(wǎng)絡(luò)數(shù)據(jù)中，搜索挖掘出用戶(hù)感興趣、對(duì)用戶(hù)有用的數(shù)據(jù)并推薦給用戶(hù)。在大數(shù)據(jù)的環(huán)境下通過(guò)簡(jiǎn)單的人為篩選已經(jīng)無(wú)法完成上述任務(wù)了，將互聯(lián)網(wǎng)與數(shù)據(jù)挖掘結(jié)合起來(lái)是一個(gè)解決這個(gè)問(wèn)題的很好的辦法。而對(duì)于用戶(hù)來(lái)講，互聯(lián)網(wǎng)中可以供自己選擇的資源五花八門(mén)，用戶(hù)需要一種

2、技術(shù)能夠讀懂并且明白自己的興趣愛(ài)好，以及對(duì)用戶(hù)未來(lái)的喜好進(jìn)行適當(dāng)?shù)念A(yù)測(cè)。
　　鑒于以上兩種需求，本文以互聯(lián)網(wǎng)用戶(hù)的訪問(wèn)日志作為數(shù)據(jù)源，對(duì)用戶(hù)的日志數(shù)據(jù)處理后，在數(shù)據(jù)挖掘和推薦算法的理論基礎(chǔ)上，改進(jìn)了基于改進(jìn)Hamming距離的聚類(lèi)算法和基于對(duì)數(shù)似然比的協(xié)同過(guò)濾推薦算法的推薦應(yīng)用模式。主要包括兩個(gè)過(guò)程:首先通過(guò)聚類(lèi)算法找到與目標(biāo)用戶(hù)具有相似興趣的用戶(hù)群，其次在目標(biāo)所在的類(lèi)群眾通過(guò)Top-N算法，找出N個(gè)與目標(biāo)用戶(hù)最近鄰的用戶(hù)，然后根

3、據(jù)這些用戶(hù)的訪問(wèn)日志等上下文信息為目標(biāo)用戶(hù)推薦合適的網(wǎng)絡(luò)資源。
　　用戶(hù)的訪問(wèn)日志數(shù)據(jù)極其容易獲得，只要用戶(hù)根據(jù)自己的興趣愛(ài)好瀏覽網(wǎng)頁(yè)，就可以產(chǎn)生推薦數(shù)據(jù)源，其次一般來(lái)講用戶(hù)在一個(gè)時(shí)間段內(nèi)的興趣是不會(huì)發(fā)生太大變化的，因此將用戶(hù)聚類(lèi)后可以采取離線(xiàn)實(shí)驗(yàn)，不需要實(shí)時(shí)計(jì)算減少了計(jì)算規(guī)模。通過(guò)聚類(lèi)再推薦可以過(guò)濾掉很多興趣不同的用戶(hù)，可以提高推薦的效率和準(zhǔn)確率。在上述的研究基礎(chǔ)上，在最后的應(yīng)用研究中本文還與其他的聚類(lèi)和推薦算法在效率和準(zhǔn)確率等