基于Web使用挖掘的瀏覽興趣預(yù)測及個性化推薦策略研究.pdf

1、隨著計算機(jī)的廣泛普及和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來越多的消費者開始關(guān)注并選擇了網(wǎng)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(chǎn)品的購物體驗。但迅速膨脹起來的網(wǎng)上購物大軍也給電子商務(wù)網(wǎng)站帶來了考驗，這種考驗一方面來自消費者對其產(chǎn)品質(zhì)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(wù)網(wǎng)站生存和進(jìn)一步發(fā)展所依托的技術(shù)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(shè)計和實現(xiàn)逐漸成為了學(xué)者們研究

2、的熱點問題，它不但可以幫助電子商務(wù)平臺對消費者的個性化需求做出快速的反應(yīng)，還可以通過恰當(dāng)準(zhǔn)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(xué)者都把研究的重點放在了個性化推薦系統(tǒng)中的關(guān)鍵技術(shù)——用戶瀏覽行為的預(yù)測上，對如何提高預(yù)測的精度和響應(yīng)的時間做出了許多有益的分析和研究，精確的預(yù)測不僅能完成網(wǎng)頁的預(yù)取、提高網(wǎng)站的性能，更能對用戶進(jìn)行興趣頁面的推薦、為其提供個性化的服務(wù)。其中Markov模型因為其較高的預(yù)測精度得到了廣泛的應(yīng)用

3、，但如何解決一階Markov鏈和多階Markov鏈之間運算速度與預(yù)測精度間的矛盾問題仍然需要進(jìn)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(yù)測模型的設(shè)計而展開，并在國內(nèi)外研究成果的基礎(chǔ)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(jié)果構(gòu)建了用戶瀏覽興趣的Logistic預(yù)測模型。然后在用戶動態(tài)聚類分析的基礎(chǔ)上為