Web数据挖掘在远程教育个性化中的应用研究

对Web数据挖掘技术进行了详细介绍。结合Web数据挖掘技术,实现了对远程教育系统的数据进行采集、预处理、模式发现及模式的分析评价。并针对远程教育系统现有的问题,构建了基于Web数据挖掘的个性化远程教育模型,为学习者提供更加智能化、个性化的服务。     

Web日志挖掘在个性化远程教育中的应用

本文在分析、总结现代远程教育特征和Web日志挖掘技术的基础上.讨论了Web日志挖掘在个性化远程教育中应用.并提出一个基于Web日志挖掘的个性化远程教育推荐系统.     

Web数据挖掘技术在个性化网络教学中的应用研究

本文针对Web数据挖掘技术在个性化网络教学中的应用进行研究,有助于形成一种主动的、协作的、开放的网络教育学习系统,实现个性化、协作性教育教学,最大限度地发挥学习者的主动性、积极性,最大限度地利用优质教育资源。     

Web数据挖掘在网络教育中的应用

随着互联网的发展,网络教育也有了长足的进展。Web数据挖掘以其独特的优点,在网络教育中有很多的用途。介绍了Web数据挖掘的概念的分类、网络教育中的数据资源以及网络教育中的Web数据挖掘的主要过程,并着重介绍了Web数据挖掘在网络教育中的具体应用。     

Web数据挖掘在网络教育中的应用

随着互联网的发展，网络教育也有了长足的进展。Web数据挖掘以其独特的优点，在网络教育中有很多的用途。介绍了Web数据挖掘的概念的分类、网络教育中的数据资源以及网络教育中的Web数据挖掘的主要过程，并着重介绍了Web数据挖掘在网络教育中的具体应用。     

Web挖掘在个性化学习网站中的应用

本文介绍了Web挖掘的相关概念,简要分析其主要特点,介绍Web使用模式挖掘的基本流程和数据采集的主要来源,对Web数据挖掘在学习网站中的应用进行探讨。     

序列模式挖掘在电子商务个性化服务中的应用

分析了电子商务发展面临的问题和个性化服务的特点，提出了Web使用挖掘技术在电子商务个性化服务中的应用方法，论述了基于Web挖掘的个性化服务研究．详细阐述了其挖掘过程，最后讨论了使用序列模式和分类相结合的技术得以实现个性化服务的方法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新，从而提高网络信息服务效率，为用户提供“一对一”的具备自适应性的智能个性化服务。     

序列模式挖掘在电子商务个性化服务中的应用

分析了电子商务发展面临的问题和个性化服务的特点,提出了Web使用挖掘技术在电子商务个性化服务中的应用方法,论述了基于Web挖掘的个性化服务研究,详细阐述了其挖掘过程,最后讨论了使用序列模式和分类相结合的技术得以实现个性化服务的方法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新,从而提高网络信息服务效率,为用户提供“一对一”的具备自适应性的智能个性化服务。     

基于Web的数据挖掘在网站个性化服务系统中的应用

随着互联网的飞速发展,在网络上数量非常多的数据中寻找出有用的信息变得越来越困难。数据挖掘就是从大量的数据中寻找出潜在的有用的数据的过程。充分利用有用的数据,而剔除那些无用的数据,是数据挖掘技术最重要的应用。因此,采用基于Web的数据挖掘技术从网络上提取潜在未知的数据信息,具有非常重要的现实意义和很好的应用前景。本文详细探讨了基于Web的数据挖掘在网站个性化服务系统中的应用。     

数字图书馆的个性化信息服务研究

个性化信息服务对数字图书馆的建设和发展具有重要的战略意义,是数字环境下提高图书馆服务质量、效益和水平以及数字化信息资源使用率的重要手段.从分析国内外数字图书馆个性化信息服务的现状入手,探讨数字图书馆个性化信息服务的构建、面临的问题以及可采取的对策.     

A trust negotiation system for digital library Web services

A scalable approach to trust negotiation is required in digital library (DL) environments that have large and dynamic user populations. In this paper we introduce Trust-Serv, a model-driven trust negotiation framework for Web services, and show how it can be used to effectively handle trust negotiation in DLs. The framework employs a model for trust negotiation based on state machines, extended with security abstractions. High-level specifications expressed with the state-machine-based model are then translated into formats suitable for automating the trust negotiation process. The proposed framework also supports negotiation policy lifecycle management, an important trait in the dynamic environments that characterize DLs. In particular, we present a set of policy change operations that enable the dynamic evolution of negotiation policies without disrupting ongoing negotiations. The proposed approach has been implemented as a container-centric mechanism that is transparent to the DL and to the developers of DL Web services, simplifying DL development and management as well as enabling scalable deployments.     

Toward Web mining of cross-language query translations in digital libraries

This paper proposes an effective query-translation approach that enables a cross-language information retrieval (CLIR) service to be more easily supported in digital library systems that only contain monolingual content. A query-translation engine called LiveTrans is used to process the translation requests of cross-lingual queries from connected digital library systems. To automatically extract translations not covered by standard dictionaries, the engine is developed based on a novel integration of dictionary resources and Web mining approaches, including anchor-text and search-result methods. The engine exploits a broad range of multilingual Web resources used as live bilingual corpora to alleviate translation difficulties. It is shown to be particularly effective for extracting multilingual translation equivalents of query terms containing proper names or new terminology. The obtained results show the feasibility of and great potential for creating English-Chinese CLIR services in existing digital libraries and new applications in cross-language Web searching, although difficulties still remain that need to be investigated further.     

搜索引擎中的网络数据挖掘技术

万维网包含大量的信息，而且随着其快速的增长而变得越来越复杂，这就导致了现在用户定位相关和高质量信息的搜索变得越来越难。将网络数据挖掘技术应用于搜索引擎将大大改善搜索引擎的搜索效率以及搜索质量。提出了具体的算法，并阐述了此算法在搜索引擎中的应用。     

Web使用挖掘技术的分析与研究*

首先给出Web使用挖掘的定义和完整模型框架;然后对Web使用挖掘中主要步骤的最新研究进展状况作了详细的阐述和分析,其中包括数据采集、数据预处理、模式发现和模式分析;最后对未来的研究重点进行了展望.     

改进的遗传算法在Web使用挖掘中的应用

Web使用挖掘是近年来Web数据挖掘中的研究热点。针对传统遗传算法在提取关联规则问题时常采用固定染色体交叉概率和染色体变异概率,容易出现早熟、收敛速度较慢的问题,提出了改进的遗传算法,并在关联规则的提取中增加了用户页面兴趣度这一阈值,成功地运用到某商业网站服务器日志挖掘。实验证明,这种改进的遗传算法能够有效避免早熟收敛现象,是一种有效的方法。     

基于负关联规则的Web使用挖掘技术及发展趋势

介绍了Web使用挖掘各阶段的主要工作以及相关技术,重点介绍模式发现阶段负关联规则的应用,并对将来Web使用挖掘领域的研究作了展望.     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

Web usage mining: extracting unexpected periods from web logs

Existing Web usage mining techniques are currently based on an arbitrary division of the data (e.g. “one log per month”) or guided by presumed results (e.g. “what is the customers’ behaviour for the period of Christmas purchases?”). These approaches have two main drawbacks. First, they depend on the above-mentioned arbitrary organization of data. Second, they cannot automatically extract “seasonal peaks” from among the stored data. In this paper, we propose a specific data mining process (in particular, to extract frequent behaviour patterns) in order to reveal the densest periods automatically. From the whole set of possible combinations, our method extracts the frequent sequential patterns related to the extracted periods. A period is considered to be dense if it contains at least one frequent sequential pattern for the set of users connected to the website in that period. Our experiments show that the extracted periods are relevant and our approach is able to extract both frequent sequential patterns and the associated dense periods.     

Applying Web usage mining for personalizing hyperlinks in Web-based adaptive educational systems

Nowadays, the application of Web mining techniques in e-learning and Web-based adaptive educational systems is increasing exponentially. In this paper, we propose an advanced architecture for a personalization system to facilitate Web mining. A specific Web mining tool is developed and a recommender engine is integrated into the AHA! system in order to help the instructor to carry out the whole Web mining process. Our objective is to be able to recommend to a student the most appropriate links/Web pages within the AHA! system to visit next. Several experiments are carried out with real data provided by Eindhoven University of Technology students in order to test both the architecture proposed and the algorithms used. Finally, we have also described the meaning of several recommendations, starting from the rules discovered by the Web mining algorithms.