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(lái)了困難。因此,要為用戶提供更好的服務(wù),關(guān)鍵是發(fā)現(xiàn)用戶的潛在訪問(wèn)興趣。解決這一問(wèn)題的方法就是將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web上.用戶如何得到想要的信息并能指導(dǎo)用戶的決策行為,成為一個(gè)很重要、迫切的問(wèn)題。對(duì)因特網(wǎng)上的網(wǎng)頁(yè)數(shù)據(jù)模型進(jìn)行研究,全面、準(zhǔn)確、高效的提取和推薦用戶所需的信息,對(duì)此就顯得十分必要。信息提取和推薦技術(shù)(特別是個(gè)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(wù)蓬勃發(fā)展起來(lái)之后產(chǎn)生的web頁(yè)面挖掘的一個(gè)新的分支。
　　本文首先介紹了論文的研究背景,意義以及針對(duì)此研究領(lǐng)域的國(guó)內(nèi)外的研究現(xiàn)狀和論文的結(jié)構(gòu)等等。其次是站點(diǎn)web信息提取和站點(diǎn)個(gè)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(biāo)準(zhǔn),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(jiǎn)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(diǎn)分析了站點(diǎn)分塊信息提取以及網(wǎng)站信息推薦算法特別是電子商務(wù)網(wǎng)站的協(xié)同過(guò)濾推薦算法進(jìn)行了研究。針對(duì)信息提取與推薦中的一些問(wèn)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(zhǔn)確性問(wèn)題,通過(guò)實(shí)驗(yàn)證明了算法具有一定的合理性和有效性。以整個(gè)的Web頁(yè)面作為最小的信息提取單元的方式已逐漸不能適應(yīng)Web頁(yè)面信息提取的快速發(fā)展,我們把頁(yè)面按照一定的算法劃分為若干個(gè)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(jìn)行準(zhǔn)確高效的信息提取。
　　在對(duì)網(wǎng)站的用戶使用日志進(jìn)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(gè)聚類中,這個(gè)工作可以離線進(jìn)行,用此方法可大大節(jié)省算法在線處理數(shù)據(jù)的時(shí)間,提高對(duì)網(wǎng)站(特別是電子商務(wù)網(wǎng)站)協(xié)同過(guò)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(kuò)展性和冷啟動(dòng)等問(wèn)題。但本文仍有許多不足之處有待改進(jìn):1、信