综合风险智能主题推送技术的研究与应用

摘要

本文针对传统的推送技术存在的弊端，以Web挖掘技术为基础，对智能主题推送中的关键技术展开研究，最终实现了综合风险智能主题推送系统。主要研究内容包括： 1.对Web日志挖掘预处理过程进行研究。分析了预处理各个步骤的目的和方法，并对相关步骤进行了改进， 2.对模糊k-均值聚类算法进行了改进。深入研究了k-均值聚类算法和模糊k.均值聚类算法，并通过实验比较，验证了改进算法的有效性。 3.提出了一种根据用户主题兴趣度构建用户访问矩阵的方法。该方法有效地解决了用户访问矩阵的稀疏性问题。 4.采用基于改进的模糊k-均值聚类的协同过滤推送算法，对目标用户根据所在的用户兴趣度相似群进行相似性计算。 5.设计并实现了一个综合风险智能主题推送系统，提供风险行业的智能主题推送服务，具有良好的智能性、主动性。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2推送技术的研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.2.3推送技术的优势与不足

1.2.4智能主题推送技术

1.3课题背景及研究意义

1.4本文主要研究内容和组织结构

第二章智能主题推送技术理论基础

2.1数据挖掘知识

2.1.1数据挖掘概念和过程

2.1.2数据挖掘的主要技术方法

2.2 Web挖掘知识

2.2.1Web挖掘的基本概念

2.2.2Web挖掘的分类

2.3本章小结

第三章Web日志挖掘预处理的研究

3.1 Web日志数据采集

3.2Web日志挖掘预处理

3.2.1数据清洗

3.2.2用户识别

3.2.3会话识别

3.2.4路径填充

3.2.5事务识别

3.3实验结果分析

3.4本章小结

第四章模糊聚类算法的研究

4.1模糊聚类

4.2 k-均值聚类(HKM)算法

4.3模糊k-均值聚类(FKM)算法

4.4模糊k-均值聚类算法的改进

4.5实验结果分析

4.6本章小结

第五章综合风险用户访问模式挖掘及推送算法

5.1基于模糊聚类的用户访问模式挖掘

5.1.1构建基于用户浏览兴趣度的User-URL矩阵

5.1.2构建基于用户主题兴趣度的User-Subject矩阵

5.1.3原始数据标准化

5.1.4构建模糊相似矩阵

5.1.5用户聚类

5.1.6实例分析

5.2基于模糊聚类的协同过滤推送算法

5.2.1用户主题兴趣度收集

5.2.2用户相似性计算

5.2.3生成推送集

5.3推送算法描述

5.4本章小结

第六章综合风险智能主题推送系统的设计和实现

6.1综合风险智能主题推送系统

6.1.1系统总体框架设计

6.1.2系统特点

6.2系统功能模块设计

6.2.1预处理模块设计

6.2.2模式挖掘模块设计

6.2.3模式分析模块设计

6.2.4主题推送服务模块设计

6.3系统开发与运行环境

6.3.1开发环境

6.3.2运行环境

6.4系统运行结果

6.5本章小结

第七章总结与展望

7.1本文工作总结

7.2前景展望

参考文献

致谢

硕士期间发表论文及参加项目