基于點擊流挖掘的實時標簽推薦.pdf

1、Internet為人們提供了豐富的信息資源，在如此海量、非結構化的數(shù)據(jù)中蘊含著大量有價值的信息。但是，面對著紛繁復雜、毫無結構可言的數(shù)據(jù)海，人們往往感到無所適從，不知道如何利用。隨著時間的推移，網(wǎng)絡數(shù)據(jù)積累越來越多，“信息迷向”也愈發(fā)嚴重，因此，如何借助于現(xiàn)代化的信息技術從網(wǎng)絡數(shù)據(jù)中提煉出所需要的知識就變得愈加迫切。
　　 CADAL項目起始于2001年，一期建設100萬冊(件)數(shù)字資源，項目二期將在一期百萬冊的基礎上，完成15

2、0萬冊(件)數(shù)字資源的數(shù)字化整合。目前，為了能給用戶資源查找提供便利，CADAL也建立了書籍檢索系統(tǒng)，通過檢索詞將用戶的信息需求與特定數(shù)字資源相關聯(lián)。這樣的檢索形式，使得用戶可以通過一個標簽，獲得被標注了該標簽的相關資源，因此向用戶推薦有價值的標簽具有較高價值，能夠幫助用戶進一步獲取有價值的資源。
　　 本文提出了一種基于Web點擊流的實時標簽推薦系統(tǒng)--RTTRS(Real-timeTag Recommendation Sys

3、tem)，能夠實時的為用戶提供可能感興趣的標簽推薦。該系統(tǒng)有良好的自適應性和實時性，可以利用瀏覽者的行為動態(tài)的調(diào)整推薦結果集。圍繞著CADAL門戶服務的特點，詳細介紹了RTTRS系統(tǒng)的功能模塊設計以及實現(xiàn)，主要工作如下：第一，框架設計。通過對CADAL資源狀況以及服務模式的分析，給出了CADAL實時在線推薦系統(tǒng)的總體框架，主要包括離線模塊和在線模塊，離線模塊主要負責點擊流數(shù)據(jù)預處理和閱讀模式分析兩部分；在線模塊主要負責自適應的標簽實時推