基于浏览日志和浏览行为的用户兴趣模型研究

论文摘要

用户兴趣模型的研究是互联网个性化服务的重要组成部分。其任务是通过分析用户浏览网页的日志,总结用户感兴趣的话题,并根据用户的浏览行为评估用户对这些话题的兴趣浓度。研究用户兴趣模型,本文进行了如下一些有益的探索:(1)提出了一种关键词与概念树相结合的用户兴趣模型,该兴趣模型将关键词表示与概念树表示的优点融合在一起,便于应用到个性化服务中。(2)研究了层次用户兴趣的构造方法,基于HowNet语义信息,采用语义映射技术,将网页日志聚类结果映射到兴趣概念节点。(3)结合浏览行为的网页相关性、浏览行为的时间相关性,提出了组合的浏览行为特征,应用于网页兴趣度预测模型中。在用户兴趣日志语料库上进行了实验,结果表明:HowNet语义信息在关键词与概念树相结合的用户兴趣模型中发挥了重要的作用;而组合的浏览行为特征提高了网页兴趣度预测的准确性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 研究目的和意义
• 1.3 本文工作内容
• 第二章 用户兴趣分析综述
• 2.1 用户兴趣的定义
• 2.2 用户兴趣的应用领域
• 2.2.1 个性化推荐
• 2.2.2 个性化信息检索
• 2.3 用户兴趣分析数据
• 2.3.1 用户浏览历史日志
• 2.3.2 用户浏览行为
• 2.4 用户兴趣的表示模型
• 2.4.1 基于关键词的用户兴趣模型
• 2.4.2 基于概念的用户兴趣模型
• 2.5 用户兴趣内容分析的关键技术
• 2.5.1 文档模型
• 2.5.2 文档相似度计算
• 2.5.3 聚类技术
• 2.5.4 分类技术
• 2.6 用户兴趣分布分析的关键技术
• 2.6.1 计算用户对网页的兴趣浓度
• 2.6.2 计算用户的兴趣分布
• 2.7 本章小结
• 第三章 基于浏览日志的用户兴趣分析
• 3.1 网页内容特征表示
• 3.2 基于语义信息的用户兴趣模型
• 3.3 基于聚类的兴趣簇类的构造
• 3.3.1 基于HowNet的VSM模型改进
• 3.3.2 基于聚类的兴趣簇类构造
• 3.4 基于语义映射的用户兴趣树构造
• 3.4.1 兴趣簇类的表示形式
• 3.4.2 概念节点的表示形式
• 3.4.3 概念节点与兴趣簇类的相似度计算
• 3.4.4 概念节点到兴趣簇类映射算法
• 3.5 本章小结
• 第四章 基于浏览行为的用户兴趣分布评估
• 4.1 浏览行为特征
• 4.1.1 基本的浏览行为特征
• 4.1.2 组合的浏览行为特征
• 4.2 单网页的兴趣度评估模型
• 4.3 用户兴趣分布评估模型
• 4.4 本章小结
• 第五章 用户上网兴趣分析系统的实现
• 5.1 用户上网兴趣分析系统框架
• 5.1.1 信息收集
• 5.1.2 兴趣簇类生成
• 5.1.3 兴趣树生成
• 5.1.4 兴趣主题摘要
• 5.1.5 兴趣度计算
• 5.1.6 可视化
• 5.2 用户浏览日志
• 5.2.1 用户浏览日志实例
• 5.2.2 用户浏览日志XML Schema
• 5.3 用户兴趣类图
• 5.4 层次兴趣树映射图
• 5.5 用户兴趣分布图
• 5.6 用户上网兴趣分析示例
• 5.7 本章小结
• 第六章 实验设计与结果分析
• 6.1 兴趣聚类结果评测
• 6.1.1 实验设计
• 6.1.2 实验结果分析
• 6.2 兴趣树映射结果评测
• 6.2.1 实验设计
• 6.2.2 实验结果分析
• 6.3 网页兴趣度评测
• 6.3.1 实验设计
• 6.3.2 实验结果分析
• 第七章 总结与展望
• 7.1 全文总结
• 7.2 研究展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录