基于内容的个性化、自适应的HTML页面转换

以移动终端离线浏览系统为基础,通过利用数据挖掘理论和方法得到能够准确描述用户兴趣的模型。该方法首先对收集到的移动用户浏览新闻的行为进行分析,并且对这些新闻的内容进行聚类分析,最终得到用户兴趣的模型。根据用户个性化模型,获取网页中有用的信息,利用HTML自动转换工具,实现个性化的页面转换,以便手机用户可以自由浏览互联网上丰富的信息资源。     

移动个性化信息服务中的用户兴趣模型挖掘

以移动终端离线浏览系统为基础，研究了利用数据挖掘的理论和方法如何得到准确描述用户兴趣的用户模型. 该方法首先对收集到的移动用户浏览新闻的行为进行分析，并且对这些新闻的内容进行聚类分析，通过挖掘算法得到用户的兴趣模型. 实验证明,该模型能较好地描述用户的兴趣，提高个性化信息服务的效率.     

移动个性化信息服务中的用户兴趣模型挖掘

以移动终端离线浏览系统为基础，研究了利用数据挖掘的理论和方法如何得到准确描述用户兴趣的用户模型. 该方法首先对收集到的移动用户浏览新闻的行为进行分析，并且对这些新闻的内容进行聚类分析，通过挖掘算法得到用户的兴趣模型. 实验证明,该模型能较好地描述用户的兴趣，提高个性化信息服务的效率.     

基于用户浏览行为的用户兴趣模型的表示及更新

在分析用户浏览行为获取用户兴趣的基础上,提出一种树状结构模型与向量空间模型相结合来表示用户兴趣模型的方法,基于此用户兴趣模型,把遗忘机制引入模型的更新。这种兴趣模型不但具有加权矢量模型的加权关键词的特点和层次模型的层次性,并且还结合向量空间模型的特点,将用户的兴趣与浏览页面的特征向量结合起来。实验证明,建立用户兴趣模型的方法是合理和有效的。     

基于GSP算法的用户兴趣迁移模式发现方法

针对web用户的浏览行为会随着用户的兴趣变化这一现象,提出一种用户兴趣迁移模式的发现方法。通过定义Web用户的兴趣,引入用户兴趣的挖掘模型,确定将用户访问序列转换为用户兴趣序列的处理过程,最终采用GSP算法挖掘出用户兴趣的迁移模式。实验分析表明,GSP算法对用户兴趣迁移模式的发现是有效的。     

一种基于Web用户访问模式的矩阵聚类算法研究

针对用户访问Web资源时难以获取感兴趣信息的状况,通过分析用户需求,采用优化的矩阵聚类算法,对用户群和页面进行聚类,以理解用户的行为,发现用户的访问模式,从而改善Web服务质量。实验结果表明该方法是可行的,能够更准确的反映网站的访问情况;根据发现用户访问的Web页面的浏览模式,进一步分析和研究Web日志记录中的规律,从而改进Web站点的性能和组织结构,以便Web站点能实现个性化服务。     

基于Web日志的用户访问模式挖掘

利用相对访问率——支持一偏爱度的概念,设计了网站访问矩阵及时间矩阵,并利用这两个矩阵得到用户浏览偏爱路径．实验表明该算法能够准确地反映用户的浏览兴趣,可应用于个性化推荐服务中．     

基于RSS的层次结构用户兴趣模型的分析与设计

在网络迅速普及的今天,对用户的网络访问行为进行分析并建立用户兴趣模型是经实践证明的有效方法．提出了基于RSS的层次结构用户兴趣模型的建立与动态更新方案,成功地解决了兴趣模型的提取、表示和更新等问题．     

基于RSS的层次结构用户兴趣模型的分析与设计

在网络迅速普及的今天,对用户的网络访问行为进行分析并建立用户兴趣模型是经实践证明的有效方法．提出了基于RSS的层次结构用户兴趣模型的建立与动态更新方案,成功地解决了兴趣模型的提取、表示和更新等问题．     

基于用户访问兴趣的Web站点路径聚类研究

用户对Web站点的访问代表了用户对Web站点上页面的访问兴趣。这种兴趣程度可以通过用户对Web站点上页面的浏览顺序表现出来。Web站点的访问日志记录了用户访问页面的详细信息。在对Web站点的访问日志进行事务识别后,按照访问兴趣对群体用户对Web站点的访问顺序进行聚类分析,则每一个聚类集反映出该聚类集中的全体用户具有相似的访问兴趣。文中在用户访问兴趣度量中综合考虑用户访问路径、网页内容、在此页面的驻留时间、此页面浏览频度因素,提出了一种基于用户访问兴趣的路径聚类算法。最后通过实验来验证这种算法的有效性。