基于Web日志挖掘的原型系統(tǒng)研究與實現(xiàn).pdf

1、在Internet信息大爆炸的年代，用戶大量地借助搜索引擎獲取所需信息。然而現(xiàn)有的信息檢索系統(tǒng)基本對不同用戶鍵入同一查詢詞返回同樣的結(jié)果集，忽視了用戶自身的知識領域背景和興趣趨向，使用戶陷入了信息資源迷航狀態(tài)。為此，信息檢索領域拓展開了一個新興的研究方向----個性化檢索研究。
　　 提供個性化檢索的前提條件是要能準確地識別用戶并合理的建立其知識興趣背景。Web日志中含有大量的用戶記錄信息，通過對相關信息的挖掘可以識別出單一用戶

2、，通過分析用戶的瀏覽行為信息可以抽取用戶特性信息，從而構(gòu)建出用戶知識興趣背景。結(jié)合用戶知識興趣背景，對不同用戶鍵入同一查詢詞進行用戶識別，分析其領域知識、興趣偏好、喜好趨勢等信息，從而返回相對不同用戶意圖需求的結(jié)果集，實現(xiàn)個性化檢索，提高查全率、查準率以及用戶的滿意度。
　　 本文重點研究通過Web日志挖掘技術(shù)建立用戶知識興趣背景，實現(xiàn)個性化檢索原型系統(tǒng)。主要研究內(nèi)容如下：
　　 探討了針對Web日志數(shù)據(jù)預處理階段的數(shù)據(jù)

3、清理技術(shù)，同時對數(shù)據(jù)預處理主要幾個步驟進行了詳細分析、闡述。針對基于詞頻的TF/IDF算法忽略了用戶知識興趣與文檔相關性問題，結(jié)合對Web日志中用戶瀏覽行為和查詢?nèi)罩局杏脩綦[式反饋信息的分析，提出了頁面相關性權(quán)重計算方法；針對TF計算中忽視了詞條與文檔結(jié)構(gòu)的問題，提出了詞條的重要度影響因子Eiv；最后將頁面相關性權(quán)重、詞條重要度影響因子與基于詞頻的TF/IDF算法相結(jié)合，提出了一種偏加權(quán)TF/IDF算法用于用戶特征信息抽取，并在此基礎上