Web使用模式研究中的数据挖掘

Web使用模式挖掘是利用Web使用数据的高级手段,是对Web使用数据的深层次分析,从而挖掘出有效的、新颖的、潜在的、有用的及最终可以理解的知识,以帮助管理决策。综述了Web使用模式的数据挖掘研究技术的内容、现状和研究的方向。     

基于用户访问模式的数据挖掘技术在大型图书网站中应用的研究

数据挖掘技术分支很多,其中,基于用户访问模式的挖掘(也称Web日志挖掘或使用记录的挖掘)对于一个企业网站的建设有重要的意义.本文结合一个大型图书网站的建设,来研究基于用户访问模式的数据挖掘技术在大型网站中的应用.首先介绍了用户访问模式(Web使用记录)挖掘的基本流程,接着详细介绍了数据结构的设计,数据顸处理,挖掘算法的应用,规则的生成等关键性的数据挖掘技术,最后介绍了产生的规则的应用.     

网络服务及其推送访问模式

一、引言目前,应用程序开发技术正经历着一场革命性的变革。过去,人们开发应用程序时,通常是通过调用操作系统的API函数来集成本地的服务。在这种情况下,开发人员只可以访问本地的资源,但能够严格地控制应用程序的执行过程。随着网络技术的迅速发展,尤其是分布式计算技术的发展,开发人员已经不再局限于使用本地资源,而是越来越多地将程序的计算任务分布到网络上,于是出现了CORBA和DCOM等分布式计算模型。这些计算模型虽然能够较好地解决一些分布式计算问题,但在应用规模和应用实践上仍存在一些缺陷,难于在Internet上发挥作用。因此,网络服务(Web     

基于Ontology的个性化推送系统

信息自动推送技术是在网络信息激增的背景下发展起来的。在传统信息推送系统中,用户模板是用加权关键词来表示的,由于没有考虑词之间的潜在关系,造成了系统推送质量的下降,文章设计并实现了一个基于Ontology的个性化推送系统CarInfo,把零散的关键词组织成一个网状结构,提供了一个用户特征的抽象视图,并且半自动的实现了本体的构建,通过实验验证了系统的可行性。     

个性化服务中网页推荐模型的研究

提出了一种新颖的个性化网页推荐模型。它融合了信息检索、信息过滤和数据挖掘中的相关技术。运用两种不同的特征向量来表示用户兴趣,并且通过聚类生成群体兴趣扩展了个体兴趣。同时阐述了用户兴趣文件建立、维护和个性化网页推荐。实验证明了推荐模型的准确性和有效性。     

农业科技信息个性化服务推送模型研究

针对农业科技信息共享率低、分散分布等问题,应用Web信息抽取方法实现自动采集多源农业科技信息入库,采用XML文件实现失败重试机制。通过对日志文件进行处理,采用改进的k-means聚类方法建立用户访问模式,并得到访问模式的网页特征词及权重的集合,构建用户兴趣模型库,为来访会话推送网页。在实际应用中,定时更新用户模型库,从而保证了站点内容的及时性、推送服务的可靠性、可用性。     

基于数据挖掘的Web个性化信息推荐系统

基于数据挖掘的Web个性化信息推荐日益成为一个重要的研究课题。文章设计了一个基于数据挖掘的Web个性化信息推荐系统(WPIRS)。在WPIRS中,提出了推荐策略,在推荐策略中考虑针对不同类型的用户采用不同的推荐算法。根据用户是否有新颖信息的需求,WPIRS采用了两种推荐算法。     

基于云计算环境的数据挖掘服务模式

伴随着网络技术的快速发展,网络中的数据量在逐渐增加,在众多的数据信息中挖掘出对自身有用的信息对当前的很多领域来说具有非常重要的意义。笔者介绍了一种数据挖掘服务模式,其是一种基于云计算技术的新型的数据挖掘模式,这种挖掘模式能够根据计算机的结构类型以及建模流程等选择最佳的数据挖掘形式,提高数据挖掘效率。     

基于数据挖掘的个性化信息服务

现代社会的发展,使得信息的需求量越来越大,针对用户个人行为、习惯和偏好的信息需求越来越多.而数据挖掘作为新兴的信息技术,在图书馆领域得到了广泛的应用.本文探讨基于数据挖掘的个性化服务,认为随着互联网和信息技术的发展,个性化信息服务的技术支撑将会越来越成熟,个性化信息服务也会越来越受到重视,个性化服务的质量与效率也将不断得以提高.     

基于RSS的个性化信息服务研究

由于绝大部分Web信息都是非结构化的,使得现有的个性化服务系统在用户建模时面临着大量的信息预处理工作,并且在个性化推送方式上缺乏动态性和时效性.将个性化技术与RSS技术相结合,首先提出基于RSS技术的个性化信息服务系统的架构,该架构在建立用户兴趣模型和信息推送中揉合了RSS技术;然后给出该架构中几个关键问题的解决方法;最后通过一个试验实例,说明该架构的可行性.     

Web日志挖掘探析

Web日志挖掘是数据挖掘领域中一个重要研究方向。文章对Web日志挖掘相关问题进行了探讨,分析了Web日志挖掘模式发现及其相关算法的不足,阐述了Web日志挖掘模式发现阶段增量更新的重要性。     

基于数据中心模式的多网站数据挖掘技术研究

随着互联网的快速发展,Web上的数据飞速增长。面对海量的数据,如何从中找出有价值的信息,运用到商业决策的制定中,已经成为越来越多的人关心的课题。该文主要介绍了web数据挖掘的概念和分类,论述了在电子商务中web挖掘的过程和方法,揭示了数据挖掘在电子商务中广泛的应用前景。论文实现了一个面向多电子商务平台的数据挖掘系统,系统面对多电子商务平台,实现了统一的数据收集和预处理过程,对用户的访问日志进行分析,从网站、商品类别、商品等角度进行数据分析,并又对用户的访问数据进行挖掘,从这些数据中发现潜在的规律,把握用户动态,帮助企业制定商业决策,使电子商务更具个性化和针对性。     

基于网格服务的数据挖掘应用研究

建立在网格基础上的数据挖掘结合了网格技术的优点,能够对Internet上广域分布的海量信息进行高效的处理、分析和挖掘。分析了网格与数据挖掘的特点,并结合网格与数据挖掘的过程和关键技术,详细介绍了开放网格服务体系结构、层次功能、网格服务及其接口,基于OGSA的网格数据挖掘的例子和应用验证了数据挖掘网格系统的可行性和高效性。     

基于数据挖掘的移动广告个性化推荐研究

移动互联网目前已经成为当今最具潜力的市场之一,与此同时,移动广告作为一种新兴的网络营销模式也得以迅速发展起来。诸多企业已经把目标投放在移动广告市场这一领域。当前,移动广告主要利用传统的广告定位策略,通过应用程序展示触发客户需求并以此来进行传播,从而导致移动用户被动地接受一些并不感兴趣的广告内容,严重干扰了用户的正常使用,甚至会泄露用户的个人隐私。文中从分析用户个人的行为和如何定位用户的实时位置出发,研究基于移动互联网下广告个性化推荐策略,提出研究模型,开发基于用户位置和兴趣的实时广告推荐服务系统。     

基于用户行为的Web使用挖掘数据采集技术研究

如何准确、及时、全面地采集用户使用数据是Web使用挖掘研究重要的前提和基础.本文从用户行为视角,讨论了传统的基于Web日志进行Web使用挖掘研究所面临的问题,对基于用户行为的Web使用挖掘的数据采集技术进行了深入分析,重点研究了主动式服务器端数据采集方法和客户端数据采集方法.     

基于社交网络用户特征的数据挖掘研究

随着网络与移动通讯的发展,人们的社交关系与网络衔接越来越紧密。本文对互联网社交网络用户特征进行分析,分析社交网络群体结构、用户影响力、用户活跃度,从用户特征权重的角度进行预测算法研究,建立社交网络用户特征的数据挖掘模型,利用蒙特卡罗仿真方法,实现对社交网络用户特征数据的加工与利用。     

Web日志挖掘的数据预处理研究

分析了Web日志挖掘的数据预处理过程,提出了基于日志引用页的用户识别算法,并对其性能进行分析,最后给出了应用实例。     

基于数据仓库的数据挖掘研究

结合当前数据仓库和数据挖掘的发展，本文探讨了数据仓库和数据挖掘结合的必然性；提出了基于数据仓库的数据挖掘的体系结构；综述了基于数据仓库的数据挖掘的主要特征和典型应用。     

基于关联规则的数据挖掘研究

关联规则挖掘可以发现大量数据中项集之间相关联系的知识,这些重要信息是关于这些数据的整体特征描述以及对其发展趋势的预测,对决策的制定有着重要的参考价值。主要介绍了数据挖掘和关联规则挖掘的概念,并对数据挖掘经典算法Apriori的进行了分析与改进,算法的改进可以有效地减少对数据库的扫描次数,使挖掘的效率更好更快。     

基于数据仓库的数据挖掘技术分析研究

基于数据仓库的数据挖掘技术是一种对数据仓库中的数据进行深层次的加工和处理的过程,也是一种实现数据仓库决策价值的方法和工具。文中分析了数据仓库、数据挖掘等概念,并结合数据挖掘在实际决策支持系统中的应用,说明了数据挖掘的基本方法、主要过程以及发展方向。