关于个性化网站的研究

着眼于用户浏览活动的本质,根据用户在网站中各页的停留时间和访问次数等特征,结合用户的参与,识别、建立、调整该用户的喜好,使用户能以自己的方式来访问,即实现个性化。文中还探讨了个性化网站模型的建立、兴趣强度的度量方法和一些可能的应用。     

Web用户访问路径的差异性度量方法研究

Web站点个性化已经成为当前研究的一个热点，人们通过各种方法，对网站内容、结构、用户行为等进行数据挖掘，建立用户兴趣模型，为网站用户提供更好的服务，加强网站的竞争力。在当前网站个性化的方法中，基于用户行为分析的方法是最具有竞争力的一类方法。对Web用户行为进行分析用得较多的技术是对Web用户访问路径进行聚类以发现有意义的模式。而良好聚类的前提是有效地度量Web用户访问路径的差异性。针对这个问题，提出了一种新的Web用户访问路径差异性度量方法，通过模拟实验也验证了方法的正确性。     

一个基于Rough集的用户兴趣访问模式的发现算法

个性化网站是当今商务网站智能化的一个发展方向，其特点就是迎合每个用户的浏览兴趣并且不断调整自己来适应用户浏览兴趣的变化，研究的是如何发现用户访问过程中所关注的兴趣内容，从而为网站的个性化推荐服务，首先对网站的内容抽取出概念，生成概念树，在此基础上提出了一个基于Rough集的用户兴趣访问模式的发现算法，并对此算法给出了证明和讨论。     

基于Web日志挖掘的信息无障碍网站设计研究

针对当前一些实现信息无障碍网站存在的问题,该文设计了一个网站设计架构,利用Web日志挖掘技术提取用户兴趣和访问优先序列,采取网站页面信息动态填充至网站主页通用框架模块中,实现智能化、个性化无障碍访问。     

基于数据挖掘的个性化网页推送服务模式研究

为满足用户及时获取个性化信息的需求,利用数据挖掘中的聚类分析方法对Web日志数据进行聚类,对网站已有用户的访问行为进行划分,得出各类别用户网页推送的数据集;采用关联规则方法提取聚类结果中各个簇的访问规则,完成个性化页面推送服务。结果表明该模式能够实现网站个性化页面推送的功能。     

使用DPI技术研究校园网站的用户行为

针对如何通过吸引用户对校园网的资源进行访问,提高教学资源利用率问题,使用DPI技术对校园网用户行为作深度挖掘,通过对用户行为流量的实时采集,从中提取用户行为特征,并对这些行为特征进行归类、入库、分析,在此基础上研究网站优化策略,从而使校园网站的设计更具人性化、个性化,吸引用户对网站访问,使得网站上教学资源能够被有效地利用起来.     

一种面向Web日志挖掘的免疫网络聚类算法

Web日志隐含了用户访问网站的行为和特点，对其进行聚类分析可以获取用户的浏览模式，发现用户访问网站的偏好和兴趣，从而优化站点结构，实现个性化的服务。针对Web日志数据特点，本文提出免疫网络聚类算法。该算法将Web服务器看成生物机体，用户访问Web的请求序列看成需要检测的入侵抗原，模拟抗体学习抗原的生物机理，自动生成代表用户访问模式的记忆抗体，实现动态聚类。     

基于Web数据挖掘的用户浏览兴趣路径研究

使用Web日志与用户浏览行为相结合的方式对用户浏览兴趣模式进行挖掘。分别建立以访问次数、平均到网页中字符数的访问时间和拉动滑动条次数为元素值的矩阵,通过对矩阵进行路径兴趣度的计算得到兴趣子路径,进行合并生成用户兴趣路径集。实例分析表明该算法是可行和有效的,对于电子商务网站的优化和实施个性化服务具有意义。     

一种预测群体用户访问行为的算法

在电子商务发展中,商家需要理解用户访问网站的行为,为用户提供个性化服务,从而吸引用户购买商品。挖掘用户访问网站的行为是商家一个急需解决的问题,通过对Web日志进行挖掘是解决该问题的重要研究方法。提出了网页兴趣信息素的新概念,它是由页面相对浏览时间和点击率构建而成,利用兴趣信息素设计了基于蚁群算法的群体用户访问路径挖掘算法,根据挖掘结果预测用户访问行为。实验结果表明,兴趣信息索可以有效地预测用户的兴趣变化,能准确地反映用户访问模式,提高了预测群体用户访问行为的准确率。     

一种基于用户兴趣度模型的Web路径挖掘算法

针对目前在挖掘用户访问行为方面存在的准确性不高的问题,本文提出了一种用户兴趣度模型.并基于这个模型设计了一个web访问路径挖掘算法,用来更准确地挖掘用户的访问模式,实现网站的个性化服务.