基于Web日志挖掘的個性化推薦研究.pdf

1、隨著Internet應用的迅速發(fā)展，網(wǎng)上信息迅速增長，信息種類也越來越多，人們面對太多的信息無法選擇和消化，此種現(xiàn)象稱為信息過載。Internet上信息資源分布的廣泛性又給用戶尋找感興趣的信息增加了困難，也就是所謂的信息迷失。當前主要采用搜索引擎來檢索Web上的信息，大多數(shù)搜索引擎缺乏主動性，未考慮個體用戶的興趣偏好，因而未能有效地解決信息過載和信息迷失的問題。為了有效地解決信息過載和信息迷失給人們帶來的種種困擾。最近研究者們提出了一種

2、被認為能有效解決這些問題的技術-Web個性化服務技術。 Web日志挖掘是將數(shù)據(jù)挖掘技術作用于Web服務器日志文件等獲得有關用戶訪問行為的知識。這些知識可以服務于Web站點的服務提供方和訪問者，進而改進Web站點設計以方便用戶使用，提高Web服務器的性能，增加個性化服務等。 基于Web日志挖掘的個性化服務是目前Web個性化服務中應用和研究的關鍵技術，主要是利用Web日志挖掘的相關技術為不同的用戶采取不同的服務策略，提供不同

3、的服務內(nèi)容，開展個性化服務。 本論文在較為系統(tǒng)地分析Web日志挖掘中數(shù)據(jù)處理方法的基礎上，針對用戶訪問興趣度表示的不足，提出一種基于用戶瀏覽時間和瀏覽頁面關鍵字的度量方法，能較好的表示用戶訪問興趣。提出基于興趣聚類的個性化網(wǎng)頁推薦方法。對比K-path聚類，興趣聚類提出了更有效的路徑相似度函數(shù)，采用了競爭凝聚思想，能夠自動確定最佳的聚類數(shù)目。并對推薦算法中的相似度函數(shù)進行改進；利用關聯(lián)規(guī)則發(fā)現(xiàn)得到頁面推薦集，設計一個基于該算法的

4、個性化推薦系統(tǒng)模型。通過實驗表明本文的預處理算法可以很好的識別用戶的訪問情況，興趣聚類算法在時間復雜度上優(yōu)于K-path算法，改進的推薦算法可以提高推薦正確率，推薦準確率在87％左右，具有較高的準確性。 本文的主要研究內(nèi)容如下： ①Web日志挖掘中數(shù)據(jù)預處理方法的研究。詳細研究和探討了Web日志挖掘中數(shù)據(jù)預處理的整個過程及方法。包括：數(shù)據(jù)清洗、用戶識別、會話識別、路徑填充、事務識別等。 ②對用戶訪問興趣的表示和度

5、量進行了研究。分析了已有的度量用戶訪問興趣方式的不足之處。提出一種基于用戶瀏覽時間和瀏覽頁面關鍵字的度量方法。 ③提出了一種基于用戶訪問興趣的聚類算法(CCCA)，并針對以往推薦方法的不足進行相應的改進。首先針對K-paths聚類算法的不足，提出更有效的路徑相似度函數(shù)，采用競爭聚類思想，能夠自動確定最佳的聚類數(shù)目。對推薦算法中的相似度函數(shù)進行改進，采用關聯(lián)規(guī)則發(fā)現(xiàn)得到頁面推薦集。 ④提出基于興趣聚類的個性化推薦系統(tǒng)模型。