基于Web使用挖掘的個性化推薦系統(tǒng)研究與設(shè)計.pdf

1、相對于Web上的海量數(shù)據(jù)而言，個人閱讀和理解信息的能力非常有限，很難獲得他們所期望的知識，此即“信息爆炸”問題。為了解決這個問題，人們提出了很多技術(shù)來幫助用戶利用網(wǎng)上資源，Web個性化即是其中之一。 基于Web使用挖掘的個性化推薦系統(tǒng)已成為Web個性化服務(wù)領(lǐng)域研究的熱點。然而，隨著Web的迅速發(fā)展，Web的動態(tài)性已經(jīng)對Web個性化系統(tǒng)提出新的挑戰(zhàn)。Web網(wǎng)站的內(nèi)容經(jīng)常被更新，網(wǎng)站用戶的瀏覽興趣時常發(fā)生變化，而已有的推薦算法和個性

2、化推薦系統(tǒng)體系結(jié)構(gòu)并不能很好地解決Web動態(tài)性問題。針對這一問題，本文對基于Web使用挖掘的Web個性化技術(shù)進(jìn)行了有益的探索和研究。 首先，介紹了Web個性化技術(shù)以及基于Web使用挖掘的Web個性化技術(shù)的發(fā)展，介紹了Web使用挖掘中的數(shù)據(jù)特點并對Web使用挖掘在個性化應(yīng)用中的處理過程進(jìn)行了詳細(xì)分析。 其次，概述了聚類分析算法在Web使用挖掘個性化系統(tǒng)中的應(yīng)用，針對Web動態(tài)性對已有聚類算法提出的挑戰(zhàn)，以一種無向圖的形式表

3、示頁面訪問信息，提出了一種基于無向圖的增量式頁面聚類算法。隨后，本文提出頁面推薦得分的定義，以及基于頁面聚類的推薦決策算法。 然后，介紹了已有Web使用挖掘個性化推薦系統(tǒng)框架，分析了離線處理的方式在個性化推薦系統(tǒng)應(yīng)用中存在的不足。針對這一問題，利用前文提出的推薦算法，本文提出了一種新的在線處理的基于Web使用挖掘的個性化推薦系統(tǒng)，并對推薦系統(tǒng)的各處理階段進(jìn)行了詳細(xì)介紹。 最后，在推薦系統(tǒng)設(shè)計方案的基礎(chǔ)上，將推薦系統(tǒng)實現(xiàn)為