基于Web挖掘的信息提取與推薦相關(guān)研究.pdf

1、互聯(lián)網(wǎng)的迅猛發(fā)展,為人們提供了各種信息資源,然而,如此龐大的信息量為人們尋找自己真正感興趣的信息帶來了困難。因此,要為用戶提供更好的服務,關(guān)鍵是發(fā)現(xiàn)用戶的潛在訪問興趣。解決這一問題的方法就是將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)應用于Web上.用戶如何得到想要的信息并能指導用戶的決策行為,成為一個很重要、迫切的問題。對因特網(wǎng)上的網(wǎng)頁數(shù)據(jù)模型進行研究,全面、準確、高效的提取和推薦用戶所需的信息,對此就顯得十分必要。信息提取和推薦技術(shù)(特別是個性化的技術(shù))就

2、是在這樣的背景下產(chǎn)生的,它是在internet出現(xiàn),特別是在電子商務蓬勃發(fā)展起來之后產(chǎn)生的web頁面挖掘的一個新的分支。
　　本文首先介紹了論文的研究背景,意義以及針對此研究領(lǐng)域的國內(nèi)外的研究現(xiàn)狀和論文的結(jié)構(gòu)等等。其次是站點web信息提取和站點個性化信息推薦系統(tǒng)研究。信息提取技術(shù)主要介紹Web信息提取的功能分類,標準,相關(guān)技術(shù)以及分塊信息提取的相關(guān)技術(shù)與算法研究,推薦技術(shù)主要介紹信息推薦系統(tǒng)的簡介,分類,輸入輸出及表現(xiàn)形式,信息推

3、薦的關(guān)鍵技術(shù)(包括思想,分類,步驟及算法等)。
　　本文重點分析了站點分塊信息提取以及網(wǎng)站信息推薦算法特別是電子商務網(wǎng)站的協(xié)同過濾推薦算法進行了研究。針對信息提取與推薦中的一些問題提出了自己的解決方法,在一定程度上有效解決了提取與推薦中的效率與準確性問題,通過實驗證明了算法具有一定的合理性和有效性。以整個的Web頁面作為最小的信息提取單元的方式已逐漸不能適應Web頁面信息提取的快速發(fā)展,我們把頁面按照一定的算法劃分為若干個區(qū)域(B

4、lock),把這些區(qū)域作為基本的信息處理和提取單元,并將這些區(qū)域賦予一定權(quán)值,進行準確高效的信息提取。
　　在對網(wǎng)站的用戶使用日志進行隱性信息提取的基礎(chǔ)上,本文提出了利用用戶聚類的方法,將具有相似興趣的用戶劃分到同一個聚類中,這個工作可以離線進行,用此方法可大大節(jié)省算法在線處理數(shù)據(jù)的時間,提高對網(wǎng)站(特別是電子商務網(wǎng)站)協(xié)同過濾信息推薦的效率,有效解決了數(shù)據(jù)稀疏性,系統(tǒng)可擴展性和冷啟動等問題。但本文仍有許多不足之處有待改進:1、信