网站用户个性化信息推荐算法的研究

摘要

本文所提出的个性化信息推荐算法的研究正是满足了这种需要,它利用用户在网站上的访问信息,根据用户的访问模式,挖掘出他们感兴趣的知识并加以推荐.日志是对用户进行分析的基础,在对日志挖掘的前期,本文整体介绍了日志挖掘的相关原理和技术.网站用户分为注册用户和非注册用户,本文对非注册网站用户的日志预处理进行详细的分析,并对预处理的各个步骤给出具体的算法.重点对用户推荐算法的研究,即针对日志预处理后生成的用户访问模式,生成频繁的访问集的研究.本文采用的是关联规则的数据挖掘算法,在关联规则的研究中,采用经典的Apriori算法,文中对算法进行了详细的分析,提出一种改进的算法,并在此基础上利用哈希技术实现存储过程,这种方法能有效减少频繁扫描数据库的次数.最后本文设计了一个网站用户个性化信息仿真系统,具体结合实例实现向用户推荐频繁访问的页面.

目录

文摘

英文文摘

独创性说明

引 言

1推荐系统中数据挖掘概述

1.1数据挖掘

1.1.1数据挖掘技术背景及基础

1.1.2数据挖掘概念和过程

1.1.3数据挖掘的主要技术

1.2 Web挖掘

1.2.1 Web挖掘的基本概念

1.2.2 Web挖掘能够获取的知识模式

1.3基于Web挖掘的个性化信息推荐系统模型

2网站用户日志挖掘的预处理

2.1非注册网站用户日志挖掘的预处理流程

2.1.1日志分析

2.1.2数据精化

2.1.3用户识别

2.1.4访问操作的识别

2.1.5路径完善

2.2注册网站用户日志的预处理

2.3用户事务模式识别

2.3.1生成用户事务访问集

2.3.2基于最大向前访问路径的用户事务模式识别

3基于关联规则改进的推荐算法的研究

3.1布尔关联规则相关提出

3.2关联规则在Web上的应用

3.3关联规则基本模型

3.3.1关联规则的定义和问题的描述

3.3.2关联规则问题的分解

3.3.3常用关联规则挖掘算法

3.4布尔关联规则的相关算法

3.4.1AIS算法

3.4.2Apriori算法

3.4.3Apriori算法改进思路

3.5个性化信息推荐算法的改进策略

3.5.1算法的提出

3.5.2算法的改进

3.6推荐页面的生成

3.6.1双可移动窗口

3.6.2选择关联规则

4个性化信息推荐仿真实验

结 论

参考文献

致谢

大连理工大学学位论文版权使用授权书