基于Web使用挖掘的个性化服务技术研究

Internet的快速增长导致了对个性化服务需求急剧增加,Web使用挖掘正成为实现个性化系统功能的思想和方法的有价值的源泉。本文讨论了基于Web使用挖掘的Web个性化技术,并针对个性化系统的功能,介绍了相关数据采集和预处理技术及其在个性化系统中的应用。     

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。     

一种基于Web使用挖掘的个性化信息推荐系统实现方法

为了提高基于Web使用挖掘的个性化信息推荐的有效性和效率,提出了将顺序模式和KP混合聚类遗传算法相结合的推荐策略,在Web日志预处理的基础上,设计出了一种基于Web使用挖掘的个性化信息推荐系统RSPIBOWUM的框架结构,并给出了基于这一框架结构的实现流程。结果表明,本推荐策略可以进行有效的个性化信息推荐,提高个性化信息推荐的效率。     

一种基于Web数据挖掘的电子商务推荐系统

在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果.     

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。     

基于Web日志挖掘的个性化服务技术的研究

随着互联网的迅速普及和广泛应用,网络信息资源的数量及网站设计的复杂度也呈急剧增长趋势。如今,针对用户特性并向用户提供个性化服务已经成为计算机技术的研究热点之一。本文首先简述了Web日志挖掘的相关概念和具体实现过程,然后重点讲述了Web日志挖掘的关键技术。最后采用了用户群体聚类算法与Web页面聚类算法相结合实现挖掘用户访问模式,并针对个性化服务的应用和发展方向进行了研究和分析。     

一个集成个人Web使用挖掘的个性化模型

本文以个人Web使用挖掘技术为基础,提出了一个个性化服务模型。模型详细地分析了个人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。最后文章对个性化服务的发展进行了展望。     

Web使用模式挖掘在个性化远程教育中的应用

本文介绍了Web挖掘技术的定义、挖掘过程以及几种主要技术,并对Web使用模式挖掘技术在个性化远程教育中的应用进行了讨论。     

Web使用挖掘在电子商务中的应用研究

电子商务是新兴的现代商业模式,Web数据挖掘是先进的信息处理技术,把Web挖掘应用于电子商务是一个十分有意义的研究方向。本文在简单介绍Web挖掘的基础上,重点介绍了Web使用挖掘及其在电子商务中的应用。并且提出了一种应用于电子商务环境,基于客户选择的,运用Web使用挖掘技术的个性化推荐方法。     

基于Web日志挖掘的个性化教育系统的研究与实现

随着现代信息技术在远程教育中越来越广泛的应用,网络远程教育在教育领域中占有越来越重要的地住。本文主要探讨了智能个性化系统在远程教育的主要功能。并提出了一个基于Web日志挖掘的个性化远程教育系统的模型。     

基于Web挖掘的个性化技术研究

针对用户特性向用户提供个性化服务已经成为Web技术的研究热点。Web挖掘是实现Web个性化服务的关键技术之一。研究了Web挖掘技术,阐述了Web挖掘技术存在的不足,并对应用Web挖掘技术实现个性化服务的发展前景进行了分析。     

基于Web使用挖掘技术的聚类算法改进

Web使用挖掘中的聚类算法可以聚集相似特性的用户和页面,以便从中提取有用的感兴趣的信息.通过深入分析基于Hamming距离的聚类算法,指出其中存在的不合理性和低效性,然后根据这些不足引入了加权的bipartite图来表示整个数据集,修改了Hamming距离计算公式以便更准确地描述两对象间的相似度,并对算法进行了改进.实验结果表明,改进的算法是准确且高效的.     

基于Web挖掘的个性化远程教育系统研究

针对现在网络远程教育存在的系统教育模式单一问题,通过介绍Web挖掘在远程教育系统中的应用,指出了Web挖掘的基本过程和关键技术,提出了一种基于Web挖掘的个性化远程教育服务系统模型,重点论述了应用Web挖掘进行个性化远程教育服务系统的体系结构及其个性化引擎实现.实践证明基于Web挖掘技术在远程学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段.     

一个基于VSM的个性化信息推荐系统

为了帮助用户从Internet上方便地获得信息，针对Proxy用户环境设计了一个信息推荐系统。先通过Proxy日志挖掘获得用户兴趣，再根据向量空间模型为用户生成兴趣特征，并据此对用户进行信息推荐。系统通过服务评估和反馈来保证信息推荐的质量。     

基于Web信息挖掘的商业分析系统设计

随着Web上信息的快速增长,如何将潜藏于非结构化文档中的商业信息有效提取并分析服务于商业管理已成为新的研究热点。利用现有的Web信息挖掘技术,针对原始数据的混合异构性,提出信息块多主题分割的方法,在建立的商业领域实体名字典指导下对商业信息进行抽取和分类,并引入一种信用评级机制,构造了一个基于Web信息挖掘的商业信息分析系统（CABWIM）,实验结果表明系统能有效地将散落在Web中游在的商业信息抽取并加工整理,形成真正有实用价值的商业信息。     

基于网络访问行为的混合阶Markov预测模型

随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.     

基于前后端日志记录的个性化推荐系统

为了有效地吸引和留住用户,提高网站服务的质量,在原有个性化实现技术基础上,提出了一种前后端日志相结合的方式存取用户浏览信息,对用户浏览站点的行为进行跟踪,为Web日志挖掘提供更精确有效的信息.结合前后端日志记录相结合的策略,提出了一个可伸缩的,独立于具体Web站点的页面推荐系统架构.实验分析结果表明,该方式能更准确全面的收集用户数据,同时个性化模块以一种非侵入的方式与系统集成,提高了系统的灵活性,方便系统重用.     

基于客户聚类的商品推荐方法的研究

文中给出了一种新的数据源的获取方法,使用Web2.0技术直接从客户浏览行为中获取需要的数据,避免了传统Web使用数据挖掘时日志数据预处理时的大量繁杂工作,减少了噪声数据,提高了数据准确性。根据所获数据建立用户-商品矩阵,计算此矩阵的欧氏距离,在此基础上使用聚类算法将客户进行聚类,根据聚类结果对新来的客户进行有目的的商品推荐,并对聚类结果进行跟踪评价。目的是为了提高电子商务网站的个性化服务。     

面向Web检索服务的个性化词典的研究与实现

为了更好地向用户提供个性化的Web检索服务,实现了一种改进的个性化词典的生成算法——IGAUPD,用于在用户浏览的大量兴趣网页中挖掘出真正符合用户兴趣的词语,以此缩小传统词库的容量,使得在用户兴趣建模时,能更快更准确地形成兴趣网页的特征描述,并更好地支持个性化检索。IGAUPD算法采用新的词权计算公式IWTUPD,以更好地描述词语在网页集中的重要性,有效排除频繁词。最后,用实验验证了由IGAUPD算法生成的个性化词典的优势。