基于Web使用挖掘的瀏覽興趣預測及個性化推薦策略研究.pdf

1、隨著計算機的廣泛普及和互聯(lián)網技術的飛速發(fā)展，越來越多的消費者開始關注并選擇了網上購物這一新興但卻方便快捷的購物方式，享受了足不出戶就能買到自己心儀產品的購物體驗。但迅速膨脹起來的網上購物大軍也給電子商務網站帶來了考驗，這種考驗一方面來自消費者對其產品質量、交易信用等硬件條件的要求，另一方面則來自這些電子商務網站生存和進一步發(fā)展所依托的技術發(fā)展。
　　正是在這樣的背景下，基于Web挖掘的個性化推薦系統(tǒng)的設計和實現(xiàn)逐漸成為了學者們研究

2、的熱點問題，它不但可以幫助電子商務平臺對消費者的個性化需求做出快速的反應，還可以通過恰當準確的推薦減少用戶的消費成本而增加消費者的滿意度。目前，很多學者都把研究的重點放在了個性化推薦系統(tǒng)中的關鍵技術——用戶瀏覽行為的預測上，對如何提高預測的精度和響應的時間做出了許多有益的分析和研究，精確的預測不僅能完成網頁的預取、提高網站的性能，更能對用戶進行興趣頁面的推薦、為其提供個性化的服務。其中Markov模型因為其較高的預測精度得到了廣泛的應用

3、，但如何解決一階Markov鏈和多階Markov鏈之間運算速度與預測精度間的矛盾問題仍然需要進一步的探討。
　　因此，本文主要圍繞基于Web使用挖掘的瀏覽行為預測模型的設計而展開，并在國內外研究成果的基礎上提出了基于動態(tài)聚類的混合Markov模型。首先引入用戶瀏覽興趣作為聚類的參量，綜合考慮用戶瀏覽行為和頁面特征對用戶瀏覽興趣的影響，并根據(jù)因子分析的結果構建了用戶瀏覽興趣的Logistic預測模型。然后在用戶動態(tài)聚類分析的基礎上為