Web使用挖掘與網頁個性化服務推薦研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數據挖掘是計算機科學、人工智能和數據庫研究方向的一項重要課題,它是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。Web頁面包含復雜的、無結構的、動態(tài)的數據信息,如何對Web上的海量信息進行分析,針對用戶的需求,提供個性化推薦服務,是當今數據挖掘技術一項重要的應用。本文在總結前人研究成果的基礎上,針對Web使用挖掘進行了研究,主要內容歸納如下:
  

2、 (1)對數據挖掘的基本理論知識和分類進行了總體研究,詳細分析了Web使用挖掘的數據源,數據預處理的基本流程。
   (2)對關聯規(guī)則相關理論進行了詳細的介紹,分析了經典Apriori算法的性能,對其進行了改進。在自然連接產生候選集以前先進行一個修剪過程,減少參加連接的項集數量,因而減小生成的候選項集規(guī)模,減少了循環(huán)迭代次數和運行時間,同時在連接判斷步驟中減少多余的判斷次數。
   (3)詳細的介紹了K-means聚類

3、算法的基本思想以及流程,分析了它的優(yōu)缺點,提出了一種改進的K-means算法,即MFA算法。針對K-means算法中每次調整簇中心后確定新的簇中心需要大量的距離計算,提出一種利用簇中心的變化信息來確定新簇中心的方法,通過從動態(tài)簇中心集中選取候選集的方法減少了過濾算法的計算復雜度。
   (4)對校園網網站的日志數據進行分析處理,利用改進的挖掘算法進行數據挖掘,發(fā)現用戶的訪問模式,最后利用挖掘結果,給網站添加個性化推薦功能,主動為

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論