基于Web挖掘的信息推薦技術研究.pdf

1、自上世紀90年代以來，互聯網已經迅速發(fā)展成為我們生活、工作和學習中一個不可或缺的重要組成部分。如何從這個巨大信息海洋中尋找所需的信息資源或定制自己的服務成為人們迫切關心的問題。同樣，作為互聯網服務的提供方，Web站點的重要性也日益提高，如何合理設計網站布局以方便用戶瀏覽成為Web站點優(yōu)化工作的重點。與此同時，電子商務也在以令人難以置信的速度蓬勃發(fā)展著，在這樣一個全新的商業(yè)環(huán)境中，怎樣吸引新的客戶并通過自身提供的資源和服務進一步留住這些客

2、戶，成為眾多開展電子商務企業(yè)所面臨的一個難題。 為解決上述三方面問題，研究人員提出了相應的Web推薦技術，包括：Web搜索推薦、站內導航推薦和電子商務推薦。基于搜索推薦技術的搜索引擎很好地迎合了普通用戶的查詢需求，成為用戶查詢互聯網信息，進行信息檢索的一個重要手段。而基于Web使用挖掘技術的站點優(yōu)化技術也是目前研究的一個重要方向，它在完善自身站點設計的同時能進一步提供站點導航服務。此外，個性化推薦服務成為了建立個性化電子商務站點

3、的一個重要途徑。 但是，隨著互聯網的不斷發(fā)展，一些新的特征也隨之出現，其中最大的變化就是它的“增量動態(tài)更新”。Web上日益增加的數據導致了對這些數據使用方式亦發(fā)生著快速變化，它所帶來的問題是Web服務提供者如何能適應這樣的變化，為用戶使用互聯網提供更好的服務。這些變化給現有Web信息、服務推薦技術帶來了諸多挑戰(zhàn)。為此，本文提出了基于Web挖掘的信息推薦技術研究，針對上述三類推薦技術中存在的類似問題進行了有益的探索。論文的主要工作

4、包括以下幾個方面： (1)Web搜索推薦：針對目前搜索推薦研究中存在的“權威偏見”問題，提出基于頁面更新的主題關注算法(Topic-AttentivePageRankingAlgorithm，TAPR)，從各主題受關注程度的角度來改進頁面排名評分計算，以改善新加入的重要頁面排名低的現象。 (2)站內導航推薦：針對網站導航推薦研究中日志增量更新、用戶興趣不斷變化的問題，提出基于蟻群聚類的用戶訪問模式增量挖掘算法，首先利用蟻

5、群聚類分析方法實現用戶模式的聚類，然后引入一種類解體機制，使之能不斷隨著用戶興趣度的變化而形成新的類別，從而實現用戶訪問模式挖掘的增量式更新，以適應當前“增量動態(tài)更新”的網絡環(huán)境。 (3)電子商務推薦：針對目前電子商務中協同過濾研究的數據稀疏、可擴展性、評分偏見和噪音等問題，基于類間關系迭代分析的思想，提出了一種新的“項目評分迭代補償的協同過濾推薦”算法。首先，通過類間關聯關系迭代地求取各類型對象對的相似度，并引入用戶評分習慣優(yōu)

6、化相似度計算；然后在此基礎上使用K-Means聚類對象，從相似用戶和相似項目兩個方面對缺失評分進行迭代彌補，以實現有效推薦。此外，基于偏好項目和用戶偏好分析提出的用戶可信度及項目重要度迭代方法，有效增強了算法在噪音環(huán)境下的推薦質量。 (4)信息推薦系統(tǒng)設計：基于Web挖掘技術，結合本文提出的Web信息主題關注度分析、增量式日志挖掘、迭代協同過濾等方法，實現了一個信息推薦系統(tǒng)“揚大搜索YZSE信息推薦系統(tǒng)”。系統(tǒng)主要包括三個部分：