用戶興趣模型建模方法研究.pdf

1、數(shù)據(jù)挖掘(Data Mining)是從存放在數(shù)據(jù)庫(kù),數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量的數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解模式的非平凡過(guò)程。其應(yīng)用于網(wǎng)絡(luò)環(huán)境中則稱為Web數(shù)據(jù)挖掘(Web Data Mining)。Web數(shù)據(jù)挖掘是從Web中相關(guān)資源和用戶瀏覽行為中抽取感興趣的、有用的模式和隱含的信息。Web使用挖掘是Web數(shù)據(jù)挖掘的一種,挖掘的對(duì)象是用戶在Web服務(wù)器上的信息,通過(guò)用戶興趣建模算法建立用戶興趣模型,挖掘用戶興趣,

2、為用戶提供更好的瀏覽體驗(yàn)。在眾多的建模方法中關(guān)聯(lián)規(guī)則和馬爾可夫模型是兩種非常重要的建模方法。
　　 本文對(duì)關(guān)聯(lián)規(guī)則以及馬爾可夫模型的相關(guān)算法進(jìn)行系統(tǒng)的分析和總結(jié),然后再此基礎(chǔ)之上提出了新的建模方法:
　　 首先,提出了基于最大頻繁項(xiàng)目集的事務(wù)間關(guān)聯(lián)規(guī)則的挖掘算法,由改進(jìn)的Mafia算法,得到最大頻繁項(xiàng)目集的同時(shí)得到對(duì)應(yīng)的共有用戶集,對(duì)事務(wù)內(nèi)到事務(wù)間最大頻繁項(xiàng)目集的轉(zhuǎn)換,分析不同用戶之間的關(guān)系及用戶對(duì)網(wǎng)站上不同網(wǎng)頁(yè)的訪問(wèn)情

3、況,直接發(fā)現(xiàn)不同用戶之間的關(guān)聯(lián)關(guān)系來(lái)預(yù)測(cè)用戶的興趣。該方法經(jīng)實(shí)驗(yàn)證明能夠更加全面的預(yù)測(cè)用戶感興趣的網(wǎng)頁(yè),更好的為用戶提供個(gè)性化服務(wù)。
　　 其次,在基于最大頻繁項(xiàng)目集的挖掘事務(wù)間關(guān)聯(lián)規(guī)則的算法的基礎(chǔ)之上,結(jié)合兩種建立用戶數(shù)據(jù)庫(kù)的方法,提出基于二階馬爾可夫模型與事務(wù)間關(guān)聯(lián)規(guī)則的用戶興趣預(yù)測(cè)模型。
　　 另外,本文以用戶指向思想為核心,通過(guò)分析用戶之間的關(guān)系從而映射到有相同興趣用戶所對(duì)應(yīng)的數(shù)據(jù)上,使找到的結(jié)果相對(duì)之前數(shù)據(jù)指向

4、的結(jié)果更加符合用戶的需求。改進(jìn)的Mafia算法,使得這種最大頻繁項(xiàng)目集的算法能夠記錄找到的最大頻繁項(xiàng)目集中的項(xiàng)目在原數(shù)據(jù)中事務(wù)號(hào)的交集,從而方便使這種算法作用于事務(wù)間關(guān)聯(lián)規(guī)則成為可能。加入馬爾可夫模型,將事務(wù)間關(guān)聯(lián)規(guī)則與2階馬爾可夫模型的結(jié)合起來(lái),使事務(wù)間關(guān)聯(lián)規(guī)則的挖掘結(jié)果準(zhǔn)確性大幅度提高。
　　 在實(shí)際問(wèn)題中,不同數(shù)據(jù)之間存在著一定的聯(lián)系,關(guān)聯(lián)規(guī)則就是用來(lái)找到這些聯(lián)系的方法。但是隨著數(shù)據(jù)量的增多,數(shù)據(jù)冗余和結(jié)果準(zhǔn)確度之間的矛盾