基于Web日志挖掘的推荐系统研究

论文摘要

Web日志挖掘是研究用户Web浏览行为的主要技术和工具,了解用户的浏览兴趣是提高Web服务质量和改善站点结构设计的重要环节。通过分析和研究用户访问情况的规律,可以识别电子商务的潜在客户,增强服务器质量,并改进Web服务器系统的结构和性能。Web挖掘技术的一个重要的研究方向是Web用户聚类和页面聚类,即通过用户对网站的使用信息—Web日志文件的处理和研究,得到具有相似访问兴趣的用户群体和用户共同感兴趣的站点的URL,据此可以判别和调整站点的结构并进行个性化服务。本文对基于Web日志挖掘的推荐系统进行研究。首先,对Web日志挖掘中数据预处理过程(包括数据净化、用户识别、会话识别、路径补充和事务识别等)进行了研究,分析了各个步骤的目的、方法,给出每个步骤的实现算法;其次,从用户聚类,页面聚类和频繁访问路径三方面考虑网络浏览模式,给出一些相关定义,并在原有的聚类算法基础上,应用基于向量和模糊集理论的算法对用户和页面进行有效的聚类,并产生频繁访问路径,从而为用户进行个性化推荐;最后,基于上述研究设计实现了基于Web日志挖掘的推荐系统。

论文目录

相关论文文献

本文来源: https://www.lw50.cn/article/8c898d6542a753fdb554e982.html