基于Web挖掘的個性化用戶興趣模型的研究.pdf

1、隨著信息技術的發(fā)展，特別是因特網(wǎng)應用的普及，出現(xiàn)了“信息爆炸”的問題，即信息非常豐富而知識相對匱乏。如何管理WWW上的大量信息，以滿足用戶不斷增長的個性化的信息需求，是研究人員面臨的新課題，個性化服務技術已經(jīng)成為當前信息服務領域的研究熱點之一。所謂個性化服務就是指對不同的用戶采取不同的服務策略，提供不同的服務內(nèi)容，其關鍵在于必須知道用戶的興趣，并準確地建立用戶興趣模型。用戶興趣模型能否準確地反映用戶的興趣決定了系統(tǒng)提供個性化服務的質(zhì)量。

2、 本文首先對當前主要的Web挖掘技術和用戶興趣建模技術進行了分析，提出了一種把Web用戶瀏覽內(nèi)容和瀏覽行為相結(jié)合的方法來構(gòu)建用戶興趣模型。然后，對文本頁面的表示技術進行了初步的探討和研究，包括：文本的向量空間模型表示，特征項的選擇和抽取算法，將文本頁面表示為結(jié)構(gòu)化的向量空間模型格式等。 接著，本文重點探討了文本頁面的聚類分析和用戶興趣模型的建立兩個方面。在分析了現(xiàn)有聚類算法和實際應用環(huán)境后，提出了采用比較新的CLOPE聚

3、類算法，實現(xiàn)了CLOPE算法在用戶聚類方面的應用，并對關鍵技術進行了探討和改進，豐富了智能化推薦頁面的深度。在聚類結(jié)果的基礎上，采用二層樹狀用戶興趣模型來表示每一個用戶的興趣：表示為(I1，InterestDegree(I1))，(I2，InterestDegree(I2))，…，(Ik，InterestDegree(Ik))的加權矢量格式。 最后，對上述改進方法做了較為全面的模擬試驗。根據(jù)模擬試驗分析表明，本文提出的用戶興趣模