基于用戶瀏覽內(nèi)容的Web用戶瀏覽行為個(gè)性化研究.pdf

1、互聯(lián)網(wǎng)與WWW以驚人的速度迅猛發(fā)展，使得設(shè)計(jì)與維護(hù)Web站點(diǎn)的工作變得尤為重要。擺在研究人員面前的新課題是如何管理WWW上的大量信息，以滿足用戶不斷增長的個(gè)性化的信息需求。個(gè)性化服務(wù)技術(shù)已經(jīng)成為當(dāng)前信息服務(wù)領(lǐng)域的研究熱點(diǎn)之一。所謂個(gè)性化服務(wù)就是指對(duì)不同的用戶采取不同的服務(wù)策略，提供不同的服務(wù)內(nèi)容，其關(guān)鍵在于必須知道用戶的興趣，并準(zhǔn)確地建立用戶興趣模型。 本文首先對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了闡述，進(jìn)而分析了當(dāng)前主要的Web挖掘技術(shù)和用戶興

2、趣建模技術(shù)，提出了以Web用戶瀏覽內(nèi)容分析為主和以瀏覽行為分析為輔的用戶興趣挖掘過程模型。然后，初步研究和探討了對(duì)文本頁面的表示技術(shù)，包括：文本的向量空間模型表示、特征項(xiàng)的選擇和抽取算法，將文本頁面表示為結(jié)構(gòu)化的向量空間模型格式。 接著，本文重點(diǎn)探討了文本頁面的聚類分析和用戶興趣模型的建立兩個(gè)方面。通過文本之間的相似度計(jì)算，對(duì)文本集進(jìn)行聚類分析。在比較了現(xiàn)有聚類算法和實(shí)際應(yīng)用環(huán)境后，提出了將層次凝聚法(agglomerative

3、algorithm)和平面劃分法(K-meansalgorithm)相結(jié)合的新算法。在聚類結(jié)果的基礎(chǔ)上，采用二層樹狀用戶興趣模型以加權(quán)矢量格式來表示每一個(gè)用戶的興趣。為了便于用戶興趣模型的使用和更新，每一興趣類也采用向量空間模型來表示，內(nèi)容頁面與興趣類的比較就可以采用常用的相似性函數(shù)來進(jìn)行相似度計(jì)算。最后進(jìn)行了模擬試驗(yàn)，使理論直觀化了，具體化了。 通過試驗(yàn)也表明了本文所改進(jìn)的聚類算法實(shí)現(xiàn)簡單，準(zhǔn)確率較高；提出的用戶興趣模型能較準(zhǔn)