基于Web挖掘的个性化推荐服务研究

论文摘要

网络技术的不断发展,需要利用数据挖掘技术从大量的网络信息中挖掘出对人们有用的资源。目前比较成熟的信息推荐技术是采用面向网络信息来解决以上问题的。但是,这种方式很难执行好用户个性化的检索需求,因此提出了面向用户的个性化推荐模型。本文首先简要介绍了数据挖掘及Web数据挖掘的基本概念及相关技术,然后详细分析了基于Web的个性化推荐技术。在对基于Web的个性化推荐的相关研究基础上,设计了一个基于Web挖掘的个性化在线信息推荐系统(PIRS),并给出了相关的推荐策略和算法。PIRS系统包括数据预处理模块、挖掘处理模块、在线推荐模块和用户界面模块。在该系统中我们所提出的推荐策略也考虑针对不同类型的用户采用不同的推荐算法。本系统给出了基于关联规则挖掘和基于用户事务模式聚类2种推荐算法。基于关联规则挖掘的推荐方法利用用户自己的用户事务模式文件,生成聚集树,然后利用用户访问操作和聚集树来发现关联规则,最终生成推荐集。它的特点是快速、准确,但是对于新用户、访问站点较少的用户以及具有新颖性信息需求的用户不太适合。基于用户事务模式聚类的推荐方法,将相似的用户事务模式聚类到一起,生成用户事务聚类模式,然后将用户访问操作与用户事务聚类模式进行匹配,最后形成推荐集。它比较适合新用户、访问站点较少的用户和新颖性信息需求的用户。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 数据挖掘
• 1.2 WEB 数据挖掘
• 1.3 个性化推荐服务的现状
• 1.4 论文研究内容及其组织
• 第2章 数据挖掘及WEB 挖掘
• 2.1 WEB 数据挖掘
• 2.1.1 Web 挖掘的分类
• 2.1.2 Web 挖掘的步骤
• 2.1.3 Web 数据挖掘任务
• 2.1.4 Web 挖掘与Web 推荐
• 2.2 几个重要的研究方向
• 2.2.1 挖掘Web 推荐引擎所发现的资源
• 2.2.2 权威页面的识别
• 2.2.3 Web 信息过滤系统
• 2.3 WEB 挖掘的个性化
• 2.3.1 个性化推荐中的数据源
• 2.3.2 界面推荐及内容推荐
• 2.4 个性化推荐解决的问题和目标
• 第3章 基于WEB 挖掘的个性化推荐
• 3.1 个性化服务中用户研究
• 3.1.1 用户分析
• 3.1.2 用户信息获取
• 3.2 个性化推荐
• 3.2.1 个性化推荐模型的工作机理
• 3.2.2 推荐引擎的分类
• 3.2.3 目前个性化推荐引擎存在的问题
• 3.3 个性化推荐服务技术
• 3.3.1 个性化推荐的实现技术
• 3.3.2 个性化服务模型结构
• 3.3.3 具体实现方法
• 第4章 WEB 个性化信息推荐系统及其推荐算法
• 4.1 PIRS 系统
• 4.1.1 系统框图
• 4.1.2 系统特点
• 4.2 推荐策略
• 4.3 基于关联规则的个性化推荐服务
• 4.3.1 从Web 事务空间中发现频繁集
• 4.3.1.1 相关定义
• 4.3.1.2 聚集树的生成算法
• 4.3.2 基于关联规则的个性化推荐算法
• 4.3.2.1 基于聚集树的关联规则发现算法
• 4.3.2.2 基于关联规则的推荐集生成算法
• 4.4 基于用户事务模式聚类的个性化推荐服务
• 4.4.1 用户事务模式聚类
• 4.4.2 URL 聚类模式的生成
• 4.4.3 基于URL 聚类模式的个性化推荐算法
• 第5章 实验分析
• 5.1 系统实现介绍
• 5.2 基于关联规则的个性化推荐服务实验
• 5.3 基于用户事务模式聚类的个性化推荐服务实验
• 5.4 实验总结
• 第6章 总结与展望
• 6.1 总结
• 6.2 将来的工作
• 参考文献
• 致谢
• 附录：攻读硕士学位期间发表的学术论文目录