用户访问模式在线挖掘推荐系统的研究

摘要

该文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(User Access Pattern Online Mining Recommended System)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招待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,对根据模式,提出了推荐的质量.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.该文详细地介绍了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

第1章引言

1.1研究背景

1.2本文的工作

第2章Web使用挖掘技术

2.1 Web使用挖掘的应用

2.2 Web使用挖掘过程

2.2.1数据预处理阶段

2.2.2模式发现阶段

2.2.3模式分析阶段

2.3推荐系统概述

2.3.1马尔科夫模型预测方法

2.3.2基于向量模型的合作过滤技术

第3章UAPOMR系统使用的聚类技术

3.1聚类分析概述

3.3模糊聚类

3.4超图划分聚类

第4章UAPOMR系统的设计

4.1 UAPOMR系统概述及框架

4.2.1日志分析

4.2.2客户端数据收集

4.2.3网站分析

4.3离线挖掘模块

4.3.1用户配置文件概述

4.3.2用户访问模式的数学表示

4.3.3基于事务的聚类及其用户配置文件

4.3.4基于关联规则的超图聚类方法

4.4在线分析模块

4.4.1在线推荐引擎概述

4.4.2基于事务聚类的推荐算法

4.4.3基于关联规则聚类的推荐算法

附录

第5章实验评估

5.1实验方法

5.2实验测度

5.3实验结果和分析

第6章总结和展望

参考文献

致谢