WEB日志挖掘在網(wǎng)站推薦服務(wù)中的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們在獲取大量信息的同時(shí)，也面臨著“信息過載”、“資源迷失”等問題。網(wǎng)絡(luò)信息多樣化與用戶需求專一化之間的矛盾漸漸成為困擾網(wǎng)站和用戶的一大難題，網(wǎng)站推薦服務(wù)即個(gè)性化信息服務(wù)正是為了解決這個(gè)問題而提出來的。它以用戶興趣模型為核心，預(yù)測用戶感興趣的內(nèi)容。本文在認(rèn)真學(xué)習(xí)和研究了Web日志挖掘原理及其過程的基礎(chǔ)上，依托億目加速器這一特殊的軟件平臺(tái)，設(shè)計(jì)了一種基于Web日志挖掘的網(wǎng)站推薦服務(wù)系統(tǒng)。該系統(tǒng)通過對Web日志文件

2、進(jìn)行處理，采集用戶訪問頁面信息，為用戶建立興趣模型，提供個(gè)性化信息服務(wù)。
　　 本文在Web日志文件數(shù)據(jù)預(yù)處理過程中，對傳統(tǒng)的數(shù)據(jù)預(yù)處理過程進(jìn)行了改進(jìn)，改進(jìn)后的預(yù)處理過程降低了數(shù)據(jù)預(yù)處理的難度與工作量，同時(shí)保證了數(shù)據(jù)預(yù)處理的質(zhì)量。在深入分析劃分的聚類算法和層次的聚類算法各自特點(diǎn)的基礎(chǔ)上，本文使用了一種將分裂的聚類算法和k-means聚類算法相結(jié)合的算法，該算法具有較高的效率，計(jì)算代價(jià)相對較小，適合處理大量的數(shù)據(jù)。在設(shè)計(jì)個(gè)性化推薦