基于用户访问模式的在线挖掘推荐系统的设计与实现

摘要

挖掘用户访问网站的模式是目前数据挖掘技术在Internet上的重要应用之一，挖掘用户访问网站的模式，可以使网站建设者清楚的了解自己网站不同用户的兴趣和整个网站页面的访问情况，从而可以通过调整网站的逻辑组织结构或建立自适应网站来方便不同用户的访问。目前用户访问模式挖掘技术包括两类，一类是使用Web使用挖掘技术对互联网用户的网络行为进行分析挖掘，以获得描述用户访问网站模式的内在规律，从而为网站建设者改进网站结构和内容提供决策支持，另一类是使用合作过滤技术实现网站个性化服务。现有的用户访问模式挖掘工具都存在一些缺点，如：挖掘速度慢、不适用匿名用户、使用复杂、效率低、灵活性差、挖掘局限性大等。 针对这一现状，课题综合了现有的用户访问模式挖掘技术，提出用户访问模式在线挖掘推荐系统(UserAccessPatternOnlineMiningRecommendedSystem)的构想。UAPOMR系统是一个帮助网站建成自适应网站的服务器端在线推荐系统，其提供的个性化服务可以直接面向于匿名用户。 UAPOMR系统首先根据历史的访问记录创建用户访问模式，形成用户配置文件，然后比较当前用户的访问页面序列和用户配置文件执行有效的推荐算法自动生成一个包含用户可能感兴趣的候选页面集链接的推荐页面，提供给用户，从而达到网站自适应和个性化网页推荐的目的。 UAPOMR系统的推荐算法包括基于事务聚类的推荐和基于关联规则聚类的推荐。其中基于事务聚类的推荐通过对包含时间特征的事务特征矩阵聚类分组，有效地解决了合作过滤算法中无法处理海量数据的局限。基于关联规则聚类的推荐算法采用超图划分的技术，对根据用户的历史访问数据得到的关联规则进行有效的分组，可以找出不同兴趣用户群的相同访问模式，提高了推荐的质量。通过调整聚类的个数，UAPOMR系统有效地解决了挖掘速度和挖掘准确性之间的矛盾，以达到在线推荐的目的。 在UAPOMR系统的推荐算法中既考虑了用户访问页面的时间特征，又考虑了网页内容本身的类别特征及页面与页面之间的物理链接距离，使在线推荐更为准确和有效。 论文详细地介绍了UAPOMR系统的每一个模块实现的理论基础，并通过实验对提出的推荐算法进行了评估。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1绪论

2系统开发相关技术分析

3基于用户访问模式的在线挖掘推荐系统的设计与实现

4用户访问模式在线挖掘推荐系统的测试

5总结和展望

致谢

参考文献