基于ACM在线评测推荐系统模型研究

针对目前用户对在线程序评判系统选题目盲目问题,建立了ACM在线评测推荐系统模型。通过定义题目的难度系数及所属知识点类型,对用户所做题目运用web数据挖掘技术,进行归类挖掘,然后运用基本推荐策略将题目推荐给用户,通过此平台用户登录在线评判系统网站不再盲目选题。     

基于Weblog的模式发现及应用的研究

近年来 ,由于电子商务 ,电子图书馆 ,远程教育等的应用 ,对 web站点设计和功能提出了更高的要求 ,要求 web站点具有智能性 .本文通过对 Weblog日志的挖掘 ,找出用户浏览页面的关联规则、聚类信息、访问路径等 ,并把它们应用到 web站点的智能化设计中 .主要讨论了站点的在线推荐 ,自适应设计问题 ,在此基础上简单介绍了一个 Weblog挖掘系统原型 Adaptive Web.Adaptive Web可创建自适应 web站点 ,使其具有部分智能 .     

基于模糊聚类的Web日志挖掘的应用研究

在Web数据挖掘研究领域中，Web日志挖掘是Web数据研究领域中一个最重要的应用方面。本文对Web日志挖掘作了系统的研究。包括对服务器上日志结构的分析和对数据预处理过程的描述。文中着重讨论了用户模糊聚类的算法，并用实例证明了模糊聚类在web用户聚类应用中的可行性。在此基础上还提出了一个Web站点的个性化服务模型，通过对Web服务器中日志的挖掘，发现具有相似访问兴趣的用户群，进而为用户作个性化的推荐。     

结合使用挖掘和内容挖掘的web推荐服务

随着Internet的基础结构不断扩大和其所含信息的持续增长,Internet用户越来越感觉容易在WWW服务中“资源迷向”。提高用户访问效率的方法有页面预取技术,站点动态重构技术和web个性化推荐技术等。现有的大多数web个性化推荐技术主要是基于用户使用记录的数据挖掘方法,没有或很少考虑结合页面内容—这才是用户真正感兴趣的。该文提出一种结合用户使用挖掘和内容挖掘的web推荐服务,该推荐服务根据频繁最大前向访问路径,提出含有导航页和内容页的频繁访问路径图概念,根据滑动窗口内的最近用户访问页面内容和候选推荐集中页面内容相关性,来向用户提供个性化推荐服务。经推荐质量分析,这种方法具有较好的推荐优化能力。     

基于Web挖掘的个性化推荐模型

本文提出一种基于Web挖掘的个性化推荐模型,对web结构数据、内容数据和使用数据进行聚类分析,聚类挖掘结果通过统一的向量空间模式表示,从而为推荐模型提供一致的表示形式。由于集成了上述三种web挖掘结果,在使用数据比较少或web站点内容变化比较频繁的情况下．该模型也能提供高质量的个性化推荐服务。     

电子商务中Web挖掘技术的应用探讨

随着电子商务技术的深入发展，商家在与用户交互活动中的信息也迅速膨胀，网上的海量信息为Web挖掘提供了一个广阔的应用领域，使用web挖掘技术能够发现电子商务过程中的潜在模式。文中针对几种不同特点的电子商务web挖掘系统，包括智能搜索引擎系统、网站用户访问分析系统、个性化推荐系统等都进行了探讨。     

基于用户浏览行为的个性化网页推荐

利用在线数据收集系统对用户在网页上的浏览行为信息进行收集,并按照关联规则进行频繁模Q式演算,根据演算得到的行为模式,判断出哪种组合浏览行为最能反映用户对网页的实际兴趣,为个性化的网页推荐和网页站点的规划提供依据,使web挖掘在电子商务上进行更充分的应用。     

基于关联规则挖掘的个性化智能推荐服务

为了解决WWW上的“信息过载”和“资源迷向”问题,该文提出了基于关联规则挖掘的个性化智能推荐服务。个性化智能推荐服务系统包括两个主要部分:离线部分和在线部分,在离线方式下,执行对WEB服务器的访问log文件的分析挖掘,获取用户事务模式,再采用支持度过滤方法获取频繁的用户事务模式,然后,生成聚集树。在在线方式下,针对当前滑窗的用户访问操作路径,采用基于聚集树的关联规则挖掘,获取匹配当前滑窗的用户访问操作路径的关联规则集,生成推荐的候选集。实现在线个性化智能推荐服务。试验结果显示,该文提出的方法是有效的和可行的。     

基于情境感知的餐饮O2O推荐系统研究

餐饮O2O推荐具有情境敏感性,而普适计算和移动互联网的发展为更全面、更实时的情境信息的获取提供了基础,也使得对情境与推荐对象进行知识表示和推理成为提高推荐质量的关键。充分考虑移动商务活动中情境对用户需求的影响,设计了基于情境感知的领域本体模型结构并研究模型的实例化,通过规则推理实现餐饮O2O推荐。在此基础上,提出基于关联分析的情境规则生成方法,根据用户的历史行为挖掘情境与推荐对象的通用关联模式。并通过基于内容推荐的用户兴趣模型与菜品特征模型来表示个人对菜品的特殊兴趣偏好,构建了基于情境和基于内容相融合的混合推荐系统。实验结果表明,该方法有效解决了基于内容推荐的用户冷启动问题,并可以提高餐饮O2O推荐的准确性。     

基于用户轨迹数据的用户兴趣区域推荐

推荐系统是通过分析已知信息和用户偏好,在用户选择物品或服务时,向用户提供帮助和建议的系统。但是目前大部分推荐系统都是基于用户评价或评分信息向用户推荐购物、电影等电子商务服务,基于用户轨迹数据进行用户兴趣区域推荐的研究十分罕见。用户的轨迹数据蕴含了用户的偏好,不同的轨迹反映不同的用户特性。所以提出一种从用户轨迹数据中挖掘最大频繁项集,并将最大频繁项集用于计算用户相似性和偏好的推荐方法。该推荐方法还综合考虑了相似用户访问次数、置信度和用户住宅信息等可能会影响推荐质量的因素。将提出的方法和基于协同过滤的推荐方法、基于关联规则的推荐方法进行比较,结果显示本文提出方法的效果较好。     

数据挖掘技术在Web中的应用研究

随着信息技术的快速发展,特别是计算机技术的不断普及,使得“数据丰富而信息贫乏”这对矛盾显得日益突出,数据挖掘技术正是应了这一需求而结合了数理统计学、人工智能、神经网络和信息技术等多学科而出现的一项新技术,且在广大应用领域产生了和正在产生着巨大的作用。因特网在目前为一个分布式的、全球的、巨大的信息服务中心,每时每刻有海量数据产生于此,这无疑对数据挖掘这门新兴的学科提出了巨大的挑战。Web不仅由页面组成,而且还包含了由一个页面指向另一个页面的链接结构和用户使用记录,而大量的这些Web内容、链接结构和用户使用记录隐含了人们使用Web页面行为习惯、页面质量、用户类别等大量有趣信息,本文就Web挖掘技术的Web内容挖掘、Web结构挖掘、Web使用记录挖掘作了深入、详细的探讨。     

数据挖掘技术在Web中的应用研究

随着信息技术的快速发展，特别是计算机技术的不断普及，使得“数据丰富而信息贫乏”这对矛盾显得日益突出．数据挖掘技术正是应了这一需求而结合了数理统计学、人工智能、神经网络和信息枝术等多学科而出现的一项新技术，且在广大应用领域产生了和正在产生着巨大的作用：因特网在目前为一个分布式的、全球的、巨大的信息服务中心，每时每刻有海量数据产生于此．这无疑对数据挖掘这门新兴的学科提出了巨大的挑战．Web不仅由页面组成，而且还包含了由一个页面指向另一个页面的链接结构和用户使用记录．而大量的这些Web内容、链接结构和用户使用记录隐含了人们使用web页面行为习惯、页面质量、用户类别等大量有趣信息．本文就Web挖掘技术的web内容挖掘、web结构挖掘、Web使用记录挖掘作了深入、详细的探讨．     

Web记录挖掘及其在旅游电子商务中的应用

介绍Web挖掘技术,特别是Web记录挖掘过程.利用Web记录挖掘技术和推荐引擎技术,帮助旅游电子商务企业建立个性化的旅游网络,为旅游者推荐旅行计划,提高网站的预订率,让旅游企业获利.     

基于Web的文本挖掘

万维网是一个巨大的、分布广泛的、全球性的信息服务中心,它包含了丰富的信息资源。在茫茫的信息海洋如何快速有效地获取所需要的信息,一直是困绕着网上用户的难题。而Web挖掘可以从这个信息海洋中提取出所需要的有用知识,在一定程度上解决了用户的困绕。该文主要介绍了Web挖掘基本情况,并在此基础上对基于Web的文本挖掘进行了分析研究;给出了一个基于Web的文本挖掘的结构模型图。同时,在Web挖掘和数据挖掘研究的基础上,提出了一个智能化、个性化的现代远程教育系统结构模型。它比传统的远程教育系统具有更大的发展前景。     

基于粗糙集的Web用户行为预测研究

随着互联网的飞速发展和Web应用系统的广泛应用,Web挖掘得到了人们越来越多的研究。从Web日志中发现和分析出用户的有用信息的Web日志挖掘已成为研究热点。很多基于关联规则的方法已经被应用于Web挖掘中。运用基于差别矩阵的粗糙集提取Web日志中的关联规则,并将生成的关联规则集用于用户行为的预测。实验结果说明该方法的有效性和实用性。     

A Comparison Study of Bayesian Classifiers on Web Pages Classification

With the development of internet, web mining has become a hotspot of data mining. The first step of web mining is to classify web pages into interesting classes, so the classification is one of the essential techniques for web mining. In this paper, we study the capabilities of bayesian classifiers for web pages categorization, after that we report our work on the comparison of binary-classification and multi-classification. Results on benchmark dataset show that bayesian classifiers perform satisfying, especially for Hidden Naive Bayes (HNB) which is more competitive than other methods. Furthermore, the performances of binary-classification are better than those of multi-classification under the evaluation metrics of accuracy and F-measure.     

Building a cluster of intelligent,adaptive web sites

Many attempts have been made to track web usage patterns and provide dynamic suggestions that might help users reach the information they seek more quickly. These mechanisms rely on mining the web log files for usage patterns. While this is easy for a single server, it would be much more difficult for multiple servers. We propose a mechanism that uses agent-based technologies and dynamic self-organizing maps to combine usage patterns in multiple web server logs and structures of multiple web sites to provide a more efficient and informative set of suggested links. This paper includes results of an ongoing project, which builds upon previously published results.     

一种重构网站结构的Web日志挖掘数据预处理方法

在Web日志挖掘的过程中,数据预处理是整个Web日志挖掘过程的基础,其直接影响了日志挖掘的质量和结果.由于目前大多数网页都采用框架模式,而传统的预处理技术并没有针对frame页面进行过滤,即使过滤,也会导致页面结构的混乱,从而不能够为路径补充提供正确的信息.基于此,本文提出一种基于重构网站结构的Web日志挖掘数据预处理方法以及基于它的路径补充方法.     

Web日志挖掘中的会话识别方法

为更好地实现会话识别,从而为后续模式发现提供准确的挖掘数据,在分析现有常用的会话识别方法后,提出一种基于待挖掘站点首页的用户会话识别方法.该方法根据用户浏览站点的习惯,以站点首页作为用户新会话开始标识,并增强了用户会话的定义.最后利用数据库编程实现该方法,将识别出的会话存储在数据库中,便于后续数据挖掘使用.实验结果表明,该方法能识别出更多的用户会话,且识别会话的准确率也更高.     

基于Web的数据挖掘技术的研究

基于Web的数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文介绍了Web上数据信息的特点入手．研究面向Web的数据挖掘需解决的主要问题，提出了一种基于Web数据挖掘的应用模式框架，并着重从功能的角度介绍了Web数据挖掘的演进过程。