面向個(gè)性化信息服務(wù)的數(shù)據(jù)挖掘研究.pdf

1、隨著社會(huì)信息化進(jìn)程的加快，Internet正在前所未有地改變著我們的生活，迅速增長的網(wǎng)絡(luò)信息形成了海量信息資源。由于缺乏搜索技能、導(dǎo)航工具落后等原因，用戶不能有效利用各式各樣的網(wǎng)絡(luò)資源。面對(duì)網(wǎng)絡(luò)信息服務(wù)的這種現(xiàn)狀，人們?cè)趯で笠环N主動(dòng)的信息服務(wù)方式，可以將用戶感興趣的信息主動(dòng)推薦給用戶，這便是個(gè)性化的信息服務(wù)。
　　 個(gè)性化信息服務(wù)的本質(zhì)是實(shí)現(xiàn)“信息找人，按需服務(wù)”，即針對(duì)每一個(gè)用戶的特定信息需求提供特定的信息服務(wù)，基于不同用戶的

2、信息需求，進(jìn)行高效的信息過濾。因此，如何更好地挖掘用戶的信息需求，是提高個(gè)性化信息服務(wù)質(zhì)量的關(guān)鍵問題。
　　 本文從用戶的信息需求出發(fā)，針對(duì)基于用戶瀏覽行為的用戶興趣度挖掘進(jìn)行研究，并對(duì)傳統(tǒng)的協(xié)同過濾算法進(jìn)行了改進(jìn)，提出了一個(gè)基于用戶瀏覽行為的個(gè)性化推薦模型。本文的研究工作由以下兩個(gè)方面展開：
　　 (1)分析用戶瀏覽行為和用戶興趣之間的關(guān)系，在此基礎(chǔ)上建立用戶興趣度模型，將用戶的信息需求量化，以更好地輔助后續(xù)的挖掘工作

3、。
　　 (2)針對(duì)傳統(tǒng)協(xié)同過濾推薦算法在實(shí)時(shí)性問題上的不足，即目標(biāo)用戶最近鄰查找速度較慢并且結(jié)果不夠準(zhǔn)確，提出了對(duì)用戶空間進(jìn)行K均值聚類的改進(jìn)方法，從而縮小最近鄰的查找空間，加快了查找速度，并使查找結(jié)果更具代表性。
　　 本文提出的個(gè)性化推薦模型，采用了基于瀏覽行為的興趣度評(píng)分機(jī)制，并通過K均值聚類改善了推薦結(jié)果的實(shí)時(shí)性。該模型較傳統(tǒng)的個(gè)性化推薦在的速度和準(zhǔn)確性上都有較大的改善，應(yīng)用領(lǐng)域廣泛，為個(gè)性化信息服務(wù)的提供者提