模糊BP神經(jīng)網(wǎng)絡Web用戶分類算法研究.pdf

1、當今,在各個領域中Web得到了飛速的發(fā)展,在早期,Web被大量應用于簡單的信息共享,而如今,在電子商務、在線服務、在線娛樂等諸多領域中都得到了進一步的發(fā)展。Web為人們提供了龐大的信息資源,呈爆炸式的人群利用Web這個特點來查詢自己所需的資料和信息,但光靠他們?nèi)斯に阉鞑坏浅┈嵍矣袝r候查出來并不是他們所需的。搜索效率如何提高,個性化如何滿足成為現(xiàn)代網(wǎng)絡技術關注的問題之一,而對于Web站點設計者來說需要利用個性化合理地安排廣告,增加相

2、應的盈利,因此,如何改善Web站點的設計和如何提高Web站點的功能成為需要關心的話題。對Web站點內(nèi)的信息用聚類算法得到一個相似訪問興趣的用戶事務集合,并對這些集合進行提純并挖掘,用于獲取用戶訪問模式,并對這些用戶訪問模式進行分析,可以為用戶提供更加優(yōu)質(zhì)的服務或更加個性化的服務,這些也已成為目前電子商務界和學術界日趨關注的重點問題。為了解決這些問題,研究者提出了Web用戶聚類方法并利用這些聚類作為前期經(jīng)驗數(shù)據(jù)用于人工神經(jīng)網(wǎng)絡,提高了用戶

3、分類的效率,進而為用戶提供更優(yōu)質(zhì)的服務。
　　 采用Web用戶聚類對web日志進行挖掘,這個過程分為三個步驟:首先,對日志進行預處理可以方便提取用戶的一些訪問行為;其次,根據(jù)所提取的用戶訪問行為來得到各個用戶之間的相似度;最后進行用戶聚類。然后用所得到的用戶聚類前期數(shù)據(jù)改造人工神經(jīng)網(wǎng)絡,提高人工神經(jīng)網(wǎng)絡的效率和準確率。在聚類過程中,用戶訪問行為如何提取和用戶相似度如何計算,會直接影響到最終用戶聚類的結果,繼而影響到人工神經(jīng)網(wǎng)絡的

4、準確率。當前,用戶訪問行為的提取都是采用用戶訪問路徑來表示,但用戶興趣與非常多的行為因素之間的關系過于復雜,不是單靠一個因素決定的;相似度計算的時候已有的方法主要是集合之間的普通交集運算,或是一些類似方法,但這些方法計算開銷大,計算時間長,效率低下,矩陣龐大;另外,一般的聚類計算都到此為止,沒有進一步利用這些信息和數(shù)據(jù)進行更深層的挖掘。
　　 針對以上出現(xiàn)的一系列問題,文本提出基于回歸方程量化的Web用戶聚類方法:把用戶訪問路徑