WEB信息检索与WEB数据挖掘

首先分析了WEB信息检索的现状,主要针对WEB信息检索的局限性,引出WEB数据挖掘,并对WEB数据挖掘技术作了概要的介绍.然后,讨论了WEB数据挖掘与WEB信息检索之间的关系,最后阐述了如何将WEB数据挖掘的研究成果应用到WEB信息检索领域中,从而提高WEB信息检索的效率和质量.     

Web数据挖掘在电子商务中的应用研究

数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用。本文讨论了基于WEB的数据挖掘技术的概念与分类,提出了一个Web挖掘系统的逻辑框架,并针对常用WEB挖掘技术进行了说明,分析了在电子商务中应用的各个方面。     

web环境下的个性化信息服务实现

科技飞速发展,人们对个性化的信息服务的需求也越来越高。WEB环境下,信息服务机构如何满足人们日益增长的个性化需求?W E B数据挖掘技术便是关键的一环。     

基于XML的WEB数据挖掘技术

数据挖掘技术的核心部分已发展了近十年,研究领域涉及数理统计、人工智能、机器学习等。当今,随着人们对数据需求的不断加强,以及WEB技术的飞速发展,使得数据挖掘技术又向前迈进了一步。面向WEB的数据控制是目前数据挖掘技术的一大热点,但由于WEB数据存在方式的特殊性,使WEB数据控制变得十分复杂。而XML的出现,为WEB数据挖掘技术带来了巨大的发展契机。     

WEB数据挖掘及其在电子商务中的应用

随着互联网信息的增长,WEB挖掘已经成为数据挖掘研究的热点之一,尤其适用于电子商务领域。文中介绍了web数据挖掘的概念和分类．阐述了web挖掘在电子商务中的挖掘方法和过程,分析了数据挖掘在电子商务中的具体应用。     

一个简单WEB使用模式算法的电子商务应用

在电子商务网站中,Web使用挖掘可以通过分析WEB日志等数据源来获取与用户访问模式相关的信息.本文形式化描述和分析了一个WEB使用模式算法,并给出了应用的设计思路.该算法简单、有效、易于实现,适合于构建低成本B2C网站.     

一种新的WEB社群挖掘方法

随着互联网信息的增长,WEB挖掘已经成为数据挖掘研究的热点之一。论文关注于WEB社群挖掘。WEB社群是由对于同一主题感兴趣的人或组织创作的WEB页的集合。传统的挖掘方法由于只利用超链信息,所得出的社群或者太小、或者太大而没有意义。论文结合WEB页的内容信息和超链信息给出了一种基于分类方法的WEB社群挖掘算法。在包含8282个网页的WEBKB数据集上进行了实验,实验结果表明,该文算法可以挖掘出较大而且有意义的社群。     

基于对多方位WEB网站安全防御系统的研究

随着信息技术的发展,WEB网站的不断优化,对于WEB网站的恶意攻击越来越多,网站安全问题层出不穷,这给WEB网站的使用造成了极其严重的负面影响.面对这种严峻的局面,以及当下单一的防护手段无法保证WEB网站的安全使用,就要对WEB网站展开分析和研究,从多个方面找出相关的问题,并根据实际情况,找出解决的办法,来保证WEB网站的安全环境.     

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。     

Web使用挖掘在远程开放教育网站建设的应用

通过广东电大成绩查询网站的开发运行,应用Web使用挖掘技术,对成绩查询网站服务器日志数据及扩展的用户日志数据进行数据挖掘,分析了解学生的访问行为,从而可以为学生提供个性化、针对性的服务;同时基于Web使用挖掘的研究可以使网站结构曼合理、更安全.     

基于Web日志挖掘的网页实时推荐算法研究

网页在线实时推荐是网络个性化服务的重要内容,基于Web日志的网页实时推荐有助于提高检索效率、缓解网络拥塞,提高网站吸引力.该算法通过将用户会话处理成数字序列以体现用户访问路径的先后顺序,利用动态矩阵和滑动窗简化了路径相似度计算;算法只扫描一遍日志,可以进一步提高实时响应速度.该算法在考虑用户访问路径的先后顺序和简化推荐机制的基础上,提出了会话编码和动态矩阵的概念,利用其在推荐中可以兼顾满意度和实时性,同时实时性不受日志增加的影响.试验结果表明,该算法在兼顾满意度的基础上可以大幅提高推荐的实时性,具有实际应用价值.     

一个基于关联规则的个性化方法DPARM

针对当前个性化中关联规则挖掘的一些问题,尤其是无法及时更新使用数据这一缺点,提出了一种有效的基于关联规则挖掘的个性化方法DPARM,它将用户兴趣模型的更新和在线推荐紧密结合,及时使用新的用户会话更新用户兴趣模型,从而使个性化系统能够更好反映用户访问模式的变换。使用http://www.cs.depaul.edu上的数据进行了实验,结果表明,该方法是有效可行的。     

面向电子商务的Web挖掘技术及其应用研究

电子商务过程中企业和组织面临一系列网络信息的获取问题,对解决这些问题的Web内容挖掘、Web结构挖掘、Web使用挖掘技术进行了综述,并介绍了Web挖掘技术在智能搜索引擎、企业危机管理、客户关系管理及个性化服务系统中的应用。     

企业网站的Web使用挖掘

本文从介绍企业网站的web使用挖掘的意义入手,着重分析了web使用挖掘的数据源,探讨了Web使用挖掘的常用技术,以及Web使用挖掘的过程,企业网站的Web使用挖掘应具备的功能。     

基于自适应Web的版本控制模型研究与系统实现

从当前Web站点的发展趋势着手,根据自适应Web的概念提出了一种对Web内容和格式进行自适应调整的版本控制模型,通过具体阐述其配置过程来说明自适应Web的实现。并以具体的应用架构实例及其分析对这种模型的相关研究进行了总结。     

基于概念格和关联规则Web个人化系统

最近的一些研究提出将Web使用日志的挖掘技术应用于Web个人化系统中,用于克服传统个人化技术（如CF技术、基于内容的过滤技术）中存在的问题,如处理大数据量的能力较差,依赖于用户主观的登记信息,产生的用户描述是静态的,不能获取对象之间丰富的语义联系等。但是基于Web使用日志挖掘的个人化技术不能适用于用户的使用信息获取困难或者站点内容经常变化的情况。更有效的办法是将站点的内容特征和使用特征结合到一个Web挖掘结构中去,以备推荐引擎统一使用。提出了一个基于关联规则挖掘的个人化系统,它使用概念格作为存储频繁页面集的数据结构,并介绍了如何利用概念格实时地为当前活动用户产生推荐集。     

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。     

AdROSA—Adaptive personalization of web advertising

One of the greatest and most recent challenges for online advertising is the use of adaptive personalization at the same time that the Internet continues to grow as a global market. Most existing solutions to online advertising placement are based on demographic targeting or on information gained directly from the user. The AdROSA system for automatic web banner personalization, which integrates web usage and content mining techniques to reduce user input and to respect users’ privacy, is presented in the paper. Furthermore, certain advertising policies, important factors for both publishers and advertisers, are taken into consideration. The integration of all the relevant information is accomplished in one vector space to enable online and fully personalized advertising.     

基于概念格和关联规则Web个人化系统

最近的一些研究提出将Web使用日志的挖掘技术应用于Web个人化系统中,用于克服传统个人化技术(如CF技术、基于内容的过滤技术)中存在的问题,如处理大数据量的能力较差,依赖于用户主观的登记信息,产生的用户描述是静态的,不能获取对象之间丰富的语义联系等.但是基于Web使用日志挖掘的个人化技术不能适用于用户的使用信息获取困难或者站点内容经常变化的情况.更有效的办法是将站点的内容特征和使用特征结合到一个Web挖掘结构中去,以备推荐引擎统一使用.提出了一个基于关联规则挖掘的个人化系统,它使用概念格作为存储频繁页面集的数据结构,并介绍了如何利用概念格实时地为当前活动用户产生推荐集.     

基于分类方法的Web站点实时个性化推荐

提出一种新的基于分类方法的实时个性化推荐方法，该文首先根据用户访问事务文法生成序列访问事务集，用于得到每个用户访问的序列特性并且便于分类器进行分类，然后利用该事务集训练一个多类分类器，作者通过推荐引擎得到每个用户的当前访问序列和用户当前请求页面，然后把该序列送入分类器进行分类，以得到用户的下面一些可能访问的页面，这些推荐页面的地址被附加到用户当前请求的页面的底部由推荐引擎返回以进行推荐，在这种方法中，用户不需要注册信息，推荐不打扰用户，可以为用户提供实时个性化的服务，实验表明这种方法是成功的。