导读:本文包含了用户浏览模式论文开题报告文献综述及选题提纲参考文献，主要关键词:匿名用户识别,Web行为,模式挖掘,贝叶斯网络
用户浏览模式论文文献综述
乔保民[1]（2018）在《基于Web浏览行为模式的匿名用户识别》一文中研究指出伴随互联网的发展,Web已成为一个拥有海量数据资源的信息网络空间。挖掘用户Web行为数据,识别匿名Web用户,具有重要的应用价值。如公安领域中,Web用户识别能够为网络预警、布控、安全监管等工作提供决策支持。因此,本文基于Web用户浏览中蕴藏的模式,研究匿名Web用户的识别问题。具体研究内容包括:(1)用户Web行为模式挖掘。针对用户Web行为数据的分析,提出了基于贝叶斯网络模型的用户Web行为模式挖掘方法。实验表明,文中所提方法能够挖掘出用户行为中蕴藏的规律,提取出指定Web用户的行为模式。(2)用户Web行为模式聚类。提出了一种Web用户行为模式的聚类方法,探讨了Web用户行为模式库的索引模型构建方法。实验表明,基于Web行为模式的聚类以及该索引模型,能够高效地判断匿名用户模式所属的类别。(3)匿名Web用户识别。提出一种基于贝叶斯网络模型的网络结构、网络参数及各站点停留时间权重的Web匿名用户识别方法。实验表明,该方法能够较准确地识别出匿名用户。基于Sogou搜索引擎的用户查询日志数据集,对所提出的方法进行了验证。实验表明,基于本文提出的方法,从Web浏览日志中提取用户的行为模式是可行的,同时,基于用户Web行为模式的聚类,可提高匿名Web用户识别的效率。(本文来源于《西北师范大学》期刊2018-05-01）
赵子慧[2]（2017）在《基于用户浏览模式的新闻推荐系统设计》一文中研究指出如今的因特网行业正在快速发展,在这个时代,信息数量巨大,更新速度飞快,使得网络浏览者在众多资讯中无法找到自己真正所需。为了解决这一问题,在推荐系统出现之前,人们运用搜索引擎通过关键词找到自己对信息的需求,然而某些场景下用户无法很精确地明确自己所需要的关键词,使得搜索引擎的效果大打折扣。个性化推荐经过对用户数据的分析,从而发现他们的相应特征与偏好,及时提供最符合用户的推荐结果。作为有效解决用户没有明确需求下的信息过载问题的工具之一,它已经变为许多领域的研究热点。个性化推荐系统可以智能地为因特网用户推荐他们所感兴趣的内容,让人们从海量数据的迷茫中解脱出来。在因特网新闻方面,个性化推荐也极其重要,今日头条网(http://www.toutiao.com/)、新浪新闻网(http://news.sina.com.cn/)等网站每天都在发布各行各业的时事新闻,随着新闻信息量与信息更新速度的不断增大,网页新闻浏览者难以看到自身所感兴趣的新闻内容,常常让自己丢失在海量级别的新闻资讯中。当遇到这一类问题时,新闻推荐系统可以根据浏览者个性化的浏览记录,发掘出他们的潜在浏览偏好,形成相应的推荐结果。从而节约了大量浏览者的新闻探寻时间,提高了浏览者的满意度,同时降低网页新闻资源浪费程度。利用用户的显式反馈信息进行推荐的推荐方法是目前比较常见的方法,然而相对于显式反馈,由于隐式反馈信息更容易获取,具有普遍性,因此根据隐式反馈信息所设计的推荐系统具有更加广泛的适用性,本文所设计的推荐系统是根据隐式反馈信息所设计的。本文主要对网页新闻浏览者的隐式反馈数据进行处理,对推荐模型以及推荐算法、用户模型的构建、推荐的混合方案和策略等内容开展研究,将浏览者群体按照浏览频率进行划分,对不同浏览者群体采用不同推荐算法混合,对于经常浏览用户,综合用户协作型过滤算法、内容推荐算法进行结果上的混合,对于不常浏览用户,综合了物品协作过滤算法的相似度计算以及内容推荐算法的相似度计算法则,进行相应算法上的混合,并将得出的相应推荐结果与基于随机漫步的PersonalRank算法进行混合。使得推荐系统中单一算法存在的问题如新加入物品的推荐、数据的稀疏性等不足得以降低。根据上述设计思路以及相应算法的实现完成了整个新闻推荐系统的设计,同时本文所使用的混合策略的有效性在后续实验中根据相应评价指标的对比得以验证。(本文来源于《云南财经大学》期刊2017-05-01）
朱立夫,刘向东[3]（2016）在《基于用户多页面浏览模式下的网络结构推荐系统的研究》一文中研究指出针对用户普遍使用的多页面浏览器产生树型结构的浏览路径,Web日志中将会呈现非时序的日志记录。本文提出了一种新的自上而下的用户访问路径收集算法,进而得出的用户在一次会话中可能访问的复数目的页面,由此得出全局目的页面访问频度矩阵,此矩阵的数据作为实现基于网络结构的推荐系统的核心数据。(本文来源于《智能计算机与应用》期刊2016年05期）
吴文汐,喻国明[4]（2015）在《城市互联网用户的媒介使用和信息倚赖——对用户的媒介依赖度、信任度及网络新闻浏览模式的分析》一文中研究指出本文重点探讨的是关于当下城市互联网用户媒介接触的若干"新常态"——包括媒介依赖度、信任度及网络新闻的浏览模式等方面的主要发现和分析性结论。(本文来源于《当代传播》期刊2015年03期）
邱奕飞,马力[5]（2014）在《基于频繁链表-存取树的Web用户浏览模式挖掘算法》一文中研究指出为了观察网络用户浏览行为以研究用户偏爱的浏览模式集和个人兴趣,本文采用频繁链表结合存取树的增量式结构,使用捕获的网络用户浏览轨迹构建、更新该结构并使用同类合并的思想挖掘该结构以获得用户偏爱浏览模式集。实验通过对比本算法与GSP算法在同一测试集上的更新和挖掘情况,证明本算法在准确度和效率上都大幅领先。同时,该算法也为后续的长期观察研究提供了理论基础。(本文来源于《电子设计工程》期刊2014年23期）
陈龙,张雷,田庆宜[6]（2013）在《谷歌浏览器隐私模式的用户浏览数据恢复》一文中研究指出对谷歌浏览器多进程技术的工作原理及其源码进行了研究,分析了浏览器进程空间中的数据,设计了一种谷歌浏览器隐私模式下的用户浏览数据恢复方案。该方案依据进程EPROCESS结构中的成员信息,提取隐私模式谷歌浏览器所有进程的内存空间数据,将每个浏览器进程的内存空间数据与目标浏览数据的模板进行匹配,从而恢复出用户使用隐私模式的谷歌浏览器上网产生的浏览数据。实验结果表明,该方案可以从内存镜像中恢复用户的浏览数据。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2013年06期）
车高营,张磊,张禄旭[7]（2012）在《基于序列模式的用户浏览行为提取与分析》一文中研究指出当今互联网所提供的功能和服务越来越多,Web内容也越来越丰富,移动应用越来越流行。然而,复杂的Web服务应用对用户提出了更高的要求,给用户浏览带来了很多问题,很多时候用户会感到无所适从。文中提出基于用户浏览序列模式的用户行为提取与分析方法。该方法可以分为浏览模式分析和用户聚类两部分。在浏览模式分析时,首先根据用户行为数据得到浏览序列,然后运用序列模式挖掘PrefixSpan算法获取用户习惯的浏览模式,最后把分析获取的用户浏览模式应用到Web浏览中,为不同的用户需求提供个性化的服务。在用户聚类时,运用层次聚类方法按照浏览模式的相似性对用户进行聚类,以分析用户的不同属性(如年龄、职业、学历等)对用户浏览模式的影响。实验结果表明,文中采用的PrefixSpan算法和层次聚类方法在用户浏览模式分析和研究方面具有很好的可行性和有效性。(本文来源于《计算机技术与发展》期刊2012年09期）
梁少刚[8]（2012）在《利用改进的Apriori算法挖掘用户浏览网页模式》一文中研究指出万维网不断发展,用户浏览网页等信息越来越多,而Web挖掘可以从这些信息中发现有用的信息,比如用户浏览网页的模式。Apriori算法是一种快速挖掘算法,是大多数关联规则算法的基础。本文在分析此算法的基础上提出改进算法,从而挖掘用户浏览网页模式。(本文来源于《科技视界》期刊2012年23期）
朱立夫,彭佳红[9]（2012）在《基于用户树形浏览模式下的推荐系统协同式过滤研究》一文中研究指出针对用户普遍使用的树形浏览网页模式,提出一种新的自上而下的用户访问路径收集算法,此算法减少了短路径的生成,并将其合并到用户浏览树形路径中;基于交叉页面访问频度的概念建立交叉页面访问频度矩阵,为推荐系统的协同式过滤核心处理数据源,以交叉页面用户访问比重为判断依据,实现对用户浏览网页关联页面的推荐。(本文来源于《计算机与现代化》期刊2012年04期）
吴瑞[10]（2010）在《以Web用户关联关系为属性的浏览模式聚类》一文中研究指出在Web使用挖掘中,用户浏览模式的聚类结果有助于网站设计者理解Web用户的浏览特点和需要。设计了一种有效的Web浏览模式的聚类方法,网页是否被浏览及网页上的浏览时间反映了用户的浏览兴趣,它们被刻画成等长的用户浏览模式向量中的相应分量,此外,浏览模式之间的关系被刻画并被作为属性加入到该向量中,形成扩展的用户浏览模式向量,对这些向量使用粗糙k-均值法可对用户浏览模式进行有效的聚类。实例和实验分析说明,使用该方法的聚类结果更合理。聚类结果可用于个性化网站的设计。(本文来源于《计算机工程与应用》期刊2010年30期）
用户浏览模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
如今的因特网行业正在快速发展,在这个时代,信息数量巨大,更新速度飞快,使得网络浏览者在众多资讯中无法找到自己真正所需。为了解决这一问题,在推荐系统出现之前,人们运用搜索引擎通过关键词找到自己对信息的需求,然而某些场景下用户无法很精确地明确自己所需要的关键词,使得搜索引擎的效果大打折扣。个性化推荐经过对用户数据的分析,从而发现他们的相应特征与偏好,及时提供最符合用户的推荐结果。作为有效解决用户没有明确需求下的信息过载问题的工具之一,它已经变为许多领域的研究热点。个性化推荐系统可以智能地为因特网用户推荐他们所感兴趣的内容,让人们从海量数据的迷茫中解脱出来。在因特网新闻方面,个性化推荐也极其重要,今日头条网(http://www.toutiao.com/)、新浪新闻网(http://news.sina.com.cn/)等网站每天都在发布各行各业的时事新闻,随着新闻信息量与信息更新速度的不断增大,网页新闻浏览者难以看到自身所感兴趣的新闻内容,常常让自己丢失在海量级别的新闻资讯中。当遇到这一类问题时,新闻推荐系统可以根据浏览者个性化的浏览记录,发掘出他们的潜在浏览偏好,形成相应的推荐结果。从而节约了大量浏览者的新闻探寻时间,提高了浏览者的满意度,同时降低网页新闻资源浪费程度。利用用户的显式反馈信息进行推荐的推荐方法是目前比较常见的方法,然而相对于显式反馈,由于隐式反馈信息更容易获取,具有普遍性,因此根据隐式反馈信息所设计的推荐系统具有更加广泛的适用性,本文所设计的推荐系统是根据隐式反馈信息所设计的。本文主要对网页新闻浏览者的隐式反馈数据进行处理,对推荐模型以及推荐算法、用户模型的构建、推荐的混合方案和策略等内容开展研究,将浏览者群体按照浏览频率进行划分,对不同浏览者群体采用不同推荐算法混合,对于经常浏览用户,综合用户协作型过滤算法、内容推荐算法进行结果上的混合,对于不常浏览用户,综合了物品协作过滤算法的相似度计算以及内容推荐算法的相似度计算法则,进行相应算法上的混合,并将得出的相应推荐结果与基于随机漫步的PersonalRank算法进行混合。使得推荐系统中单一算法存在的问题如新加入物品的推荐、数据的稀疏性等不足得以降低。根据上述设计思路以及相应算法的实现完成了整个新闻推荐系统的设计,同时本文所使用的混合策略的有效性在后续实验中根据相应评价指标的对比得以验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户浏览模式论文参考文献
[1].乔保民.基于Web浏览行为模式的匿名用户识别[D].西北师范大学.2018
[2].赵子慧.基于用户浏览模式的新闻推荐系统设计[D].云南财经大学.2017
[3].朱立夫,刘向东.基于用户多页面浏览模式下的网络结构推荐系统的研究[J].智能计算机与应用.2016
[4].吴文汐,喻国明.城市互联网用户的媒介使用和信息倚赖——对用户的媒介依赖度、信任度及网络新闻浏览模式的分析[J].当代传播.2015
[5].邱奕飞,马力.基于频繁链表-存取树的Web用户浏览模式挖掘算法[J].电子设计工程.2014
[6].陈龙,张雷,田庆宜.谷歌浏览器隐私模式的用户浏览数据恢复[J].重庆邮电大学学报(自然科学版).2013
[7].车高营,张磊,张禄旭.基于序列模式的用户浏览行为提取与分析[J].计算机技术与发展.2012
[8].梁少刚.利用改进的Apriori算法挖掘用户浏览网页模式[J].科技视界.2012
[9].朱立夫,彭佳红.基于用户树形浏览模式下的推荐系统协同式过滤研究[J].计算机与现代化.2012
[10].吴瑞.以Web用户关联关系为属性的浏览模式聚类[J].计算机工程与应用.2010