基于WEB挖掘的个性化服务研究

针对用户特性向用户提供个性化服务将是web服务的发展趋势，本文从Web个性化服务的本质出发，详细地研究了实现Web个性化服务的关键技术：Web挖掘技术和信息推荐技术，并在此基础上设计了一个基于Web挖掘的个性化服务系统原型。     

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用户访问信息挖掘技术的个性化定制服务

本文论述了Web用户信息挖掘的内容和用户访问模式挖掘的实现方法,从几个方面分析了Web用户访问模式的发现技术在个性化定制服务中的应用。展望了Web访问信息挖掘技术的成熟对提高个性化定制服务水平的前景。     

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。     

关联规则算法在Web个性化服务中的研究与应用

重点研究了Web日志挖掘,提出了一个Web个性化信息挖掘模型,设计了某高校图书馆个性化服务系统My Library。系统采用关联规则挖掘算法,从服务器日志中得到用户感兴趣的隐式模式,并将该隐式兴趣集推荐给用户,从而在一定程度上实现了个性化服务。     

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。     

基于Web数据流挖掘的资源服务实现

为了提高网站的利用率及优化网站,构建了Web数据流挖掘系统,介绍了该系统的框架结构,并以商丘师范学院校园网为挖掘对象,说明了Web数据流挖掘的工作流程以及Web资源服务的具体实现流程。实践证明,基于Web数据流挖掘技术实现Web资源服务,可充分利用Web网站的信息和网络资源,实时、高效地为用户提供个性化的Web资源服务。     

基于XML的个性化Web内容挖掘研究

基于XML的Web内容挖掘逐渐成为Web数据挖掘的重要研究课题。论文定义了用户模型,通过三种途径建立用户模型,将XML和个性化技术应用到Web内容挖掘,设计了一个基于XML的个性化Web内容挖掘系统(PWCMS),并讨论了PWCMS的关键技术及实现。实践证明,将XML和个性化技术应用到Web内容挖掘是有效的。     

Web服务个性化推荐研究综述

随着Web服务的广泛使用和互联网上服务数量的增加,如何向用户提供最佳的服务选择列表成为了新的挑战.Web服务个性化推荐实现了由被动接受用户请求向主动感知用户需求的转变.个性化的Web服务推荐方法已经成为Web服务发现和选择的有效辅助手段.Web服务的个性化推荐技术也成为了近年来服务计算领域的研究热点.对当前Web服务个性化推荐的文献进行了归类分析,总结了当前Web服务个性化推荐的技术现状、研究方法和实验的数据集,列出了未来Web服务个性化推荐研究热点和挑战.     

Web使用模式挖掘的研究

Web挖掘是传统数据挖掘技术在Web环境下的应用,Web挖掘分为Web内容挖掘、Web结构挖掘和Web使用模式挖掘。Web使用模式挖掘是从用户浏览网站的数据中抽取感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构或为用户提供个性化的服务。文章主要论述了Web使用模式挖掘。     

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.     

基于本体的Web挖掘在个性化E-learning系统中的应用

针对当前e-learning系统中存在着资源利用效率低和学习内容单一、个性化不足等问题,设计一个基于本体的web挖掘的个性化e-learning系统,通过应用web挖掘和本体技术,使得该系统能根据学习者的知识结构、学习目标、学习风格、偏好等特征信息提供适应学习者的教学方法和学习资源,营造个性化的网络学习环境。实验表明本体技术能明显改善挖掘效果,提高学习资源库的管理效率,有效促进学生的网络学习,满足学生个性化学习的需求,为系统的决策分析提供了智能的辅助手段。     

对应用型本科生开设数据挖掘课程的尝试

本文对数据挖掘课程的特点以及应用领域、数据预处理方法以及关键的四项技术、Web挖掘与个性化推荐以及算法实现及应用上做了分析,并且在教学实践中做了尝试,提出了一些经验和不足。     

基于.NET平台的网络课程创作系统的设计与实现

网络教学的开展需要优秀网络课程的支持。根据网络课程的特点,讨论了基于．NET平台下面的网络课程创作系统的设计和实现,对系统进行了分析和功能设计,并重点解析了几种关键的实现技术,如基于Web的可视化编辑的实现技术,数据库服务层实现技术,模板个性化的实现技术等。     

Prediction of user navigation patterns by mining the temporal web usage evolution

Advances in the data mining technologies have enabled the intelligent Web abilities in various applications by utilizing the hidden user behavior patterns discovered from the Web logs. Intelligent methods for discovering and predicting user’s patterns is important in supporting intelligent Web applications like personalized services. Although numerous studies have been done on Web usage mining, few of them consider the temporal evolution characteristic in discovering web user’s patterns. In this paper, we propose a novel data mining algorithm named Temporal N-Gram (TN-Gram) for constructing prediction models of Web user navigation by considering the temporality property in Web usage evolution. Moreover, three kinds of new measures are proposed for evaluating the temporal evolution of navigation patterns under different time periods. Through experimental evaluation on both of real-life and simulated datasets, the proposed TN-Gram model is shown to outperform other approaches like N-gram modeling in terms of prediction precision, in particular when the web user’s navigating behavior changes significantly with temporal evolution.     

Why current differential privacy schemes are inapplicable for correlated data publishing?

World Wide Web - Although data analysis and mining technologies can efficiently provide intelligent and personalized services to us, data owners may not always be willing to share their true data...     

Mining multilevel and location-aware service patterns in mobile web environments

In this correspondence, we address the issue of efficiently mining multilevel and location-aware associated service patterns in a mobile web environment. In terms of multilevel concept, we consider the complex problem that locations and services are of hierarchical structures. We propose a new data mining method named two-dimensional multilevel (2-DML) association rules mining, which can efficiently discover the associated service request patterns by taking into account the multilevel properties of locations and services. The discovered patterns can be effectively utilized in real applications like location-based and personalized services. To the best of our knowledge, this is the first work addressing this research issue. Some variations of the 2-DML method with different properties in terms of execution efficiency and memory efficiency were also developed. Through empirical evaluation, the proposed methods are shown to deliver good performance in terms of efficiency and scalability under various system conditions.     

Web使用挖掘研究

本文给出了一个完整的Web使用框架,并对Web使用挖掘过程进行了详细的分析和阐述。提出一个基于Web使用挖掘的个性化教育资源推荐系统原型,讨论了Web使用挖掘在教育网站中的应用。     

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。