基于本体论的个性化信息服务的研究

论文摘要

随着互联网的迅猛发展,越来越丰富的信息呈现在用户面前,但同时伴随的问题是用户越来越难以获得其最需要的信息。如何主动地为满足某一类信息需求的用户提供相应的信息服务,也就是所谓的个性化信息服务,已经成为互联网信息服务发展的一个重要趋势。挖掘 web 日志记录,并分析和探究日志记录中的规律是实现个性化信息服务的一种重要方法。通过分析挖掘大量 log 信息,可以理解用户的反映和动机;或者,通过分析日志中的规律,可以识别电子商务的潜在用户,了解最终用户的兴趣爱好,增强对用户信息服务的质量和交付。因此,web 日志挖掘成为当前国际上个性化信息服务的一个重要课题。由于国内研究正处于初期,还存在许多问题亟待解决,我们在本文中进行了研究。 首先,介绍了个性化服务的产生背景和发展现状,并对本课题的提出及研究内容、目标进行了论述。接着设计了一个个性化服务的模型,并针对模型中涉及到的数据预处理过程,数据挖掘过程和推荐算法等问题进行了研究。其中着重研究了数据挖掘过程,提出采用关联规则挖掘,并给出它的增量更新算法以及实验结果。然后,我们提出了将领域本体论与web 使用记录挖掘和个性化过程相结合的一个总体框架。给出了推荐算法以及相关性推荐算法,并且与以前的推荐算法进行了实验比较。 本文获得的主要成果:给出了基于 web 使用记录挖掘的个性化服务模型;提出一种适合 web log 挖掘的关联规则增量式更新算法;提出一种基于本体论的个性化服务的推荐算法;提出一种基于领域间相关性的推荐算法。

论文目录

• 第一章 绪论
• 1.1 个性化服务概述
• 1.1.1 个性化服务的提出
• 1.1.2 个性化服务的介绍
• 1.2 数据挖掘的引入及技术简介
• 1.2.1 数据挖掘简介
• 1.2.2 Web 数据挖掘的定义和分类
• 1.2.3 web 使用记录挖掘
• 1.3 个性化服务的研究现状
• 1.3.1 个性化服务的实现问题
• 1.3.2 个性化服务的研究现状
• 1.4 本文的研究内容及方向
• 第二章 个性化web 模型
• 2.1 个性化web 的结构
• 2.2 数据预处理
• 2.2.1 web 数据源
• 2.2.2 数据模型
• 2.2.3 预处理过程
• 2.3 关联规则挖掘
• 2.4 聚类挖掘
• 2.5 产生推荐集
• 2.6 小结
• 第三章 关联规则算法研究
• 3.1 问题描述
• 3.2 Apriori 算法
• 3.3 AprioriTid 算法
• incre 算法'>3.4 ATid_incre 算法
• 3.5 实验结果与分析
• 3.6 小结
• 第四章 聚类算法研究
• 4.1 用户会话聚类
• 4.2 k 平均聚类算法
• 4.3 小结
• 第五章 基于本体论的个性化服务
• 5.1 本体论的概念
• 5.2 引入本体论的原因
• 5.3 系统结构
• 5.3.1 用本体论表示web 对象
• 5.3.2 本体预处理
• 5.3.3 模式发现
• 5.3.3.1 建立页面浏览与本体论中实例的匹配
• 5.3.3.2 建立对象的集成表示
• 5.4 基于本体论的在线推荐
• 5.5 语义相关性推荐
• 5.6 实验结果示例及分析
• 5.6.1 基于本体的推荐结果
• 5.6.2 语义相关性推荐结果
• 5.7 小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士期间公开发表的论文
• 致谢
• 提要