基于模糊理论的Web用户聚类的研究

论文摘要

我国经济的平稳发展及计算机、互联网,特别是移动终端等一批新技术的不断涌现和应用的日渐丰富,人们通过网络与亲戚朋友及不认识的人交往越来越多,各种各样新奇而实用的网络应用更是层出不穷。在教育和科研领域,计算机、网络已经成为每个人不可缺少的学习工具和研究助手了。在在线教育系统中,根据学习者的需求及其无意识间在系统中留下的痕迹发现其真实的目的,对其进行分类总结以改进网站的服务、发现潜在的需求以寻找商机已经成为各商家、科研单位的研究焦点。本文的研究点是利用模糊数学的相关理论结合数据挖掘中的聚类分析方法实现对大规模网站用户的聚类分析的研究。其目的在于发现用户的真实意图及其特点,从而对用户整体进行聚类分析,针对不同用户推荐其感兴趣的资源,激发用户对于网站其他模块的需求,扩大网站的收益。正是在上述背景下,本文以中国教育电视台果实网为研究对象,结合基于等价矩阵的模糊聚类分析和FCM算法,在此基础上提出了用户兴趣度和用户学习态度的计算和调整方法,较为准确地实现了对果实网的用户的聚类,取得了以下几个方面的进展:1.设计出了一个较为通用的、灵活的网站对象聚类系统的软件架构,该架构不仅可以很好地支持众多不同的聚类对象、兼容以后的变化,而且可以方便地改变和替换聚类算法,并叙述了其具体的实现过程。其性能和实用性也已经得到了实践的证实。2.提出了一个计算用户随时间变化指标的度量和调整方法。根据用户与系统的交互信息,得出用户的兴趣转移情况,并结合遗忘曲线理论提出了预测其今后的变化情况,为聚类分析提供了有力、准确的原始数据。3.结合模糊相似传递闭包矩阵的计算,提出了一个确定模糊C均值( FCM )算法初始化类数目c的方法,这样不仅可以避免确定聚类结果簇数目的随意性,在实际应用中也可以借助此改进方法提升聚类结果的准确性。此改进方法已经在实际应用中取得了较好的数据证明。

论文目录

• 摘要
• Abstract
• 图索引
• 表索引
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 用户聚类国内外研究现状
• 1.3 本文研究内容
• 1.4 本文组织结构
• 第二章 聚类及 Web 挖掘技术
• 2.1 数据挖掘的发展历史
• 2.2 聚类的基本概念
• 2.2.1 聚类的用途
• 2.2.2 聚类算法的分类
• 2.2.3 聚类算法面临的关键问题
• 2.3 Web 挖掘技术
• 2.3.1 Web 内容挖掘
• 2.3.2 Web 结构挖掘
• 2.3.3 Web 使用挖掘
• 2.4 本章小结
• 第三章 模糊理论及其在聚类中的应用
• 3.1 模糊集理论的产生和发展
• 3.2 模糊集基本概念和理论
• 3.2.1 隶属度及隶属函数
• 3.2.2 模糊集合的表示
• 3.2.3 模糊集合的截集
• 3.3 模糊关系
• 3.3.1 模糊关系的定义
• 3.3.2 模糊关系的一些性质
• 3.3.3 模糊相似矩阵的构造
• 3.4 模糊分类
• 3.4.1 普通分类
• 3.4.2 模糊分类
• 3.5 模糊聚类分析
• 3.6 本章小结
• 第四章 基于相似度的果实网用户聚类
• 4.1 需求分析
• 4.2 系统的设计与说明
• 4.2.1 数据中心及用户聚类数据层
• 4.2.2 数据操作子层
• 4.2.3 数据接入层
• 4.2.4 聚类算法层
• 4.2.5 聚类报告生成子层
• 4.2.6 服务接口层
• 4.3 聚类指标项的选择
• 4.3.1 用户兴趣度
• 4.3.2 用户学习态度
• 4.4 数据的处理与变换
• 4.4.1 标量数据的量化及标准化
• 4.4.2 用户交互数据的处理
• 4.5 用户聚类的实现
• 4.6 聚类结果的使用
• 4.7 本章小结
• 第五章 总结与展望
• 5.1 本文的主要工作
• 5.2 本文的不足之处
• 5.3 今后的研究方向
• 参考文献
• 致谢