基于关联规则挖掘的电子商务个性化推荐系统研究

分析了个性化推荐系统体系结构,并对其推荐过程进行了详细阐述,最后给出了一个基于关联规则挖掘的电子商务个性化推荐系统的具体实例.     

Web日志挖掘预处理研究

Web日志挖掘是为网站经营和策略调整提供数据支持的重要手段,但原始的日志数据往往杂乱不完整,非结构化,因此预处理结果的好坏极大影响到挖掘的质量,通过对预处理过程中几个主要步骤进行深入讨论,总结已有的各种处理手段并提出新的改进方法.针对现有预处理方法的局限和不足,对分析网页内嵌元素尤其是图像元素进行了深入研究,提出了相应的处理手段.     

基于Web使用挖掘的电子商务个性化服务研究

基于国内外最新研究成果对电子商务中个性化服务的Web使用挖掘进行了深入研究。介绍了个性化服务系统的内涵，提出了Web使用挖掘的基本过程和关键技术，围绕模式识别，研究了其中的一些关键的数据挖掘技术与算法。最后针对电子商务的个性化服务提出了基于Web使用挖掘的体系结构，并对其工作流程进行了简略的介绍。     

基于个人Web使用挖掘的个性化服务研究

以个人Web使用挖掘技术为基础,提出了一种个性化服务模型。模型详细分析了个人Web使用挖掘的数据收集、模式发现及分析、个性化服务引擎等过程,并对各过程的个性化实现过程进行了分析。最后对个性化服务的发展进行了展望。     

基于个人Web使用挖掘的个性化服务研究

以个人Web使用挖掘技术为基础，提出了一种个性化服务模型。模型详细分析了个人Web使用挖掘的数据收集、模式发现及分析、个性化服务引擎等过程，并对各过程的个性化实现过程进行了分析。最后对个性化服务的发展进行了展望。     

基于Web日志挖掘的个性化网络教学系统研究

首先介绍了Web日志挖掘和个性化推荐服务所包含的内容,然后具体讲述了网络教学系统体系结构的设计以及在该系统中所采用的关键技术和Clope算法与改进的Apriori算法。最后通过实验结果的分析说明构建基于Web日志挖掘的个性化网络教学系统可以完成因材施教的需求。     

基于事务相似矩阵的关联规则挖掘算法

通过对Apriori算法挖掘过程的深入分析,提出一种改进的关联规则挖掘算法——基于事务相似矩阵的关联规则挖掘算法（ARBSM）：在压缩事务布尔矩阵的基础上构建一个事务相似矩阵,直接查找高阶肛项频繁集,有效解决了Apriori算法逐层搜索的迭代产生频繁项集的瓶颈问题。测试结果表明,ARBSM算法可以高效地挖掘潜在的强关联规则。     

基于竞争凝聚的个性化网页推荐

为了提高网站访问效率并得到有价值的个性化网页推荐,针对Web日志的新特性,提出了一种新的基于竞争凝聚的聚类算法.新算法对K-paths聚类算法进行了扩展和改进,按照路径的相似性进行聚类,采用竞争凝聚的思想,自动确定最佳的聚类数目.由于算法考虑了用户的访问兴趣,个性化网页推荐不打扰用户且不需要用户注册信息.利用关联规则得到个性化网页推荐集.用户推荐集和页面推荐集的结合大大提高了推荐效果,具有较好的扩展性.实验结果表明,与其他聚类方法相比该算法具有更高的推荐精度.     

面向Web服务组合推荐的关联规则研究

针对传统的商品营销推荐策略仅限于单个服务,忽视服务之间的关联与集成这一现状,结合Web服务组合理论,运用数据挖掘中的关联规则技术,通过实验挖掘Web服务中用户消费行为,分析并提炼了基于用户行为的Web服务组合关联规则,选择最优化Web服务组合,为用户进行智能推荐,达到了提高Web服务组合服务质量的目的。     

基于关联规则的Web日志挖掘算法

分析了经典的基于关联规则的Apriori挖掘算法,对该算法在Web日志挖掘中存在的不足进行了讨论。针对这些不足,对该算法进行了改进,并介绍了算法的具体实现。经实验测试,改进后的算法具有更好的效率。     

Web使用挖掘研究

本文首先介绍了Web挖掘的基本概念和分类，通过对Web使用挖掘的分析，从而挖掘出有意义的模式、规则，来帮助管理者决策。     

Web使用挖掘中重建会话的改进算法

网络使用挖掘是利用数据挖掘技术从网络用户浏览行为中发现各种信息.这些访问请求信息一般被保存在服务器的访问日志中.网络使用挖掘的第一阶段是数据预处理阶段,在数据预处理阶段,首先从服务器日志中过滤出有关信息.之后将属于同一个用户的访问请求合并为一组用户会话.最后将面向时间和面向导航相结合的启发式进行会话构造.在传统的启发式会话构造方法中加入网站拓扑信息,以达到提高会话构造准确性的目的.     

一种改进的基于Web使用挖掘的数据预处理方法的研究

本文从各种数据源采集方法出发,分析各自的局限性,首先确定面向服务器端进行Web使用挖掘,然后进一步分析服务器端数据源的特性,给出针对此数据源的一种数据预处理方案及改进方法,提出数据净化、用户识别、会话识别等关键预处理步骤,为数据挖掘过程提供尽可能准确的目标数据。     

在Web日志挖掘中应用聚类改进网站结构的研究

介绍了Web日志挖掘的概念,通过聚类技术在Web日志中实现挖掘出访问网站的相似爱好的用户群体、页面之间的内在联系,以此改进网站性能和组织结构,提高用户查找信息的质量和效率.     

一种Web使用挖掘数据清理方法

针对传统的Web使用挖掘数据清理方法不再适用于现有的网络环境的现状,提出了一种新的Web使用挖掘数据清理方法。该方法首次提出以网络流量作为Web使用挖掘的数据来源;将数据清理的问题转变为对用户显式操作产生的HTTP会话的识别问题;使用二进制粒子群算法（BPSO）选出最能精确识别用户显式HTTP会话的特征子集;利用选择出的特征子集,生成决策树用以对用户显式HTTP会话进行识别。实验结果表明：该方法能够准确有效地识别出用户显式HTTP会话,对日志记录数的压缩率达到98.7%,能够完成数据清理的任务,为之后的数据挖掘提供有力的支持。     

Web内容挖掘与使用挖掘的整合应用

为了满足站点上更多用户的需求，基于一种整合Web内容挖掘和使用挖掘的个性化推荐算法，在内容挖掘和使用挖掘的预处理阶段，针对XML文档标签化以及内容动态性的特征，提出了一种新的主题权重以及会话有效性衡量的方法，实验证明该方法的推荐值更具准确性和有效性．     

一种基于商务网站CRM的Web挖掘工具架构

Web挖掘是数据挖掘的新方向之一,其应用领域非常广泛。将基于商务网站的Web数据挖掘工具应用于网站的客户关系管理中,可发现许多客户获取、客户保持等方面的有用信息,有效地使用这些信息可促进商务网站的发展。     

Web日志挖掘中一种改进的会话识别方法

在Web日志挖掘中,对传统的会话识别方法进行改进,提出了基于统计特征的会话识别方法,通过使用统计值来动态设定访问时间阈值以识别会话.     

浏览行为数据在Web用法挖掘中的应用

网站用户的浏览行为的不确定性导致从现有的Web日志文件挖掘出的事务模式来预测用户行为越来越困难.引入一种新的数据类型浏览行为数据(BAD)用于提高Web用法挖掘的质量,BAD是一种特殊的浏览数据,如"复制","滚动","另存为",并且没有被日志文件所记录,并给出了BAD的定义.为了象Web日志文件一样记录BAD,介绍并使用一种现有的在线数据收集模块来捕获用户BAD.通过一个电子商务程序的实例说明BAD能增加现有Web事务挖掘算法的有效性.