基于用戶Web訪問日志聚類的推薦算法研究與應用.pdf

1、當今互聯(lián)網(wǎng)飛速發(fā)展，網(wǎng)絡(luò)中交互的數(shù)據(jù)量越來越大，種類越來越多。面對數(shù)以億計的數(shù)據(jù)，互聯(lián)網(wǎng)用戶面臨的問題是如何從中找到自己感興趣的數(shù)據(jù)，而對于網(wǎng)站運營者來講應該考慮的是如何在以幾何級別的增長速度的網(wǎng)絡(luò)數(shù)據(jù)中，搜索挖掘出用戶感興趣、對用戶有用的數(shù)據(jù)并推薦給用戶。在大數(shù)據(jù)的環(huán)境下通過簡單的人為篩選已經(jīng)無法完成上述任務(wù)了，將互聯(lián)網(wǎng)與數(shù)據(jù)挖掘結(jié)合起來是一個解決這個問題的很好的辦法。而對于用戶來講，互聯(lián)網(wǎng)中可以供自己選擇的資源五花八門，用戶需要一種

2、技術(shù)能夠讀懂并且明白自己的興趣愛好，以及對用戶未來的喜好進行適當?shù)念A測。
　　鑒于以上兩種需求，本文以互聯(lián)網(wǎng)用戶的訪問日志作為數(shù)據(jù)源，對用戶的日志數(shù)據(jù)處理后，在數(shù)據(jù)挖掘和推薦算法的理論基礎(chǔ)上，改進了基于改進Hamming距離的聚類算法和基于對數(shù)似然比的協(xié)同過濾推薦算法的推薦應用模式。主要包括兩個過程:首先通過聚類算法找到與目標用戶具有相似興趣的用戶群，其次在目標所在的類群眾通過Top-N算法，找出N個與目標用戶最近鄰的用戶，然后根

3、據(jù)這些用戶的訪問日志等上下文信息為目標用戶推薦合適的網(wǎng)絡(luò)資源。
　　用戶的訪問日志數(shù)據(jù)極其容易獲得，只要用戶根據(jù)自己的興趣愛好瀏覽網(wǎng)頁，就可以產(chǎn)生推薦數(shù)據(jù)源，其次一般來講用戶在一個時間段內(nèi)的興趣是不會發(fā)生太大變化的，因此將用戶聚類后可以采取離線實驗，不需要實時計算減少了計算規(guī)模。通過聚類再推薦可以過濾掉很多興趣不同的用戶，可以提高推薦的效率和準確率。在上述的研究基礎(chǔ)上，在最后的應用研究中本文還與其他的聚類和推薦算法在效率和準確率等