已閱讀1頁，還剩55頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，面向互聯(lián)網(wǎng)的應(yīng)用產(chǎn)品不斷豐富。面對眾多產(chǎn)品，用戶往往更加偏好那些功能明晰且符合用戶使用習(xí)慣的產(chǎn)品。用戶的訪問特點具有非常重要的應(yīng)用前景，如用戶行為預(yù)測、個性化推薦等。因此，對用戶行為數(shù)據(jù)進行挖掘找出用戶的訪問特點已經(jīng)成為了學(xué)術(shù)界與工業(yè)界一個共同的研究熱點。
目前，已經(jīng)出現(xiàn)了很多研究網(wǎng)絡(luò)用戶行為的方法。但是，大多研究文獻的作者只是單獨對用戶的訪問行為進行研究，少量涉及到訪問內(nèi)容的文獻卻只是針對某些特殊的
2、領(lǐng)域，如電子郵件。因此，本研究將把用戶訪問行為和用戶訪問內(nèi)容結(jié)合起來研究，以獲得更為準確的用戶訪問特點。這里的訪問內(nèi)容是指用戶訪問的網(wǎng)頁中的文本內(nèi)容。
在本文中，我們針對真實的網(wǎng)絡(luò)用戶，采集了大量的用戶行為數(shù)據(jù)和網(wǎng)頁內(nèi)容。針對這些繁雜數(shù)據(jù)，本文提出了網(wǎng)絡(luò)用戶基于訪問行為和內(nèi)容的用戶聚類算法。該算法中，首先利用向量空間模型的思想，得到基于訪問內(nèi)容的用戶特征向量。然后，在提出用戶訪問興趣度的前提下，把用戶訪問興趣度和基于訪問內(nèi)容的
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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)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(dān)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。
最新文檔
- 基于聚類算法的大用戶用電行為研究與應(yīng)用
- 基于用戶Web訪問日志聚類的推薦算法研究與應(yīng)用.pdf
- 基于聚類算法的大用戶用電行為研究與應(yīng)用.pdf
- 基于Web訪問日志的用戶聚類研究.pdf
- 基于用戶訪問興趣的路徑聚類研究.pdf
- 基于用戶行為關(guān)系和內(nèi)容的郵件分類算法的研究與實現(xiàn).pdf
- 基于用戶行為的Web日志聚類研究與應(yīng)用.pdf
- 基于用戶興趣聚類的協(xié)同過濾算法的研究與實現(xiàn).pdf
- 基于用戶行為訪問控制的研究與應(yīng)用.pdf
- Web用戶訪問聚類模式研究.pdf
- 基于Web日志的網(wǎng)絡(luò)用戶聚類研究與實現(xiàn).pdf
- 基于用戶行為的內(nèi)容加速系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于聚類的網(wǎng)絡(luò)用戶行為分析.pdf
- 用戶網(wǎng)絡(luò)訪問行為分析系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于用戶聚類的協(xié)同推薦算法研究.pdf
- 數(shù)據(jù)挖掘的分類與聚類方法在用戶訪問行為中的應(yīng)用研究.pdf
- 基于web日志挖掘的用戶會話聚類算法的研究與應(yīng)用.pdf
- 基于聚類的用戶用電行為分析研究
- 基于用戶行為和項目內(nèi)容的混合推薦算法研究與應(yīng)用.pdf
- 基于用戶瀏覽路徑的Web用戶聚類研究.pdf
評論
0/150
提交評論