基于Web日志挖掘的推薦系統(tǒng)的研究與實現(xiàn).pdf

1、隨著Internet應(yīng)用的迅速發(fā)展，網(wǎng)上信息迅速增加，大量的網(wǎng)絡(luò)信息使人們找到需要的信息更困難了，此種現(xiàn)象稱為信息過載。同時，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。目前大多數(shù)搜索引擎由于缺乏主動性，沒有考慮用戶的興趣偏好，還不能有效地解決信息過載和信息迷失的問題。 Web日志挖掘是研究用戶Web瀏覽行為的主要技術(shù)和工具，了解用戶的瀏覽興趣是提高Web服務(wù)質(zhì)量和改善站點結(jié)構(gòu)

2、設(shè)計的重要環(huán)節(jié)。通過分析和研究用戶訪問情況的規(guī)律，可以識別電子商務(wù)的潛在客戶，增強服務(wù)器質(zhì)量，并改進Web服務(wù)器系統(tǒng)的結(jié)構(gòu)和性能<'[1，2]>。Web挖掘技術(shù)的一個重要的研究方向是Web用戶聚類和頁面聚類，即通過用戶對網(wǎng)站的使用信息—Web日志文件的處理和研究，得到具有相似訪問興趣的用戶群體和用戶共同感興趣的站點的URL，據(jù)此可以判別和調(diào)整站點的結(jié)構(gòu)并進行個性化服務(wù)<'[3，4]>。 而目前的研究均存在一些不足，首先在聚類的相

3、似性度量方面，單純地以瀏覽時間或訪問次數(shù)來度量，對于Web站點這種復(fù)雜的情況而言，該聚類是不夠準(zhǔn)確的。另外，他們均采用傳統(tǒng)的聚類技術(shù)，即把每個對象嚴(yán)格地劃分到某個類中，不能處理類間重疊問題。 在本文中，首先介紹Web日志挖掘中數(shù)據(jù)預(yù)處理過程，包括數(shù)據(jù)凈化、用戶識別、會話識別、路徑補充和事務(wù)識別。并分析各個步驟的目的、方法，給出每個步驟的實現(xiàn)算法。然后從用戶聚類，頁面聚類和頻繁訪問路徑三方面考慮網(wǎng)絡(luò)瀏覽模式。給出一些相關(guān)定義。并在