基于用户访问模式的WWW浏览路径优化

分析了WWW用户的浏览活动规律,提出了有关WWW浏览路径优化的一些基本概念,设计了一个基于用户访问模式的浏览路径优化算法,并与相关的工作进行了比较.     

基于智能学习的网络辅助浏览技术研究

随着网络信息日益庞大，人们常常为了查询某一信息而不得不从庞大的信息中人工进行搜索和挑选工作。虽然目前的搜索引擎技术大大提高了信息查询的效率，但是由于它们并非面向某个特定用户服务，所以并不能反映某个用户的特定意愿和专业领域，所得的信息往往还是有大量的冗余。提出了一种基于智能学习的网络辅助浏览技术，根据软件代理的特点，构造出网络辅助浏览代理，将网络信息进行结构化表示，利用基于关联规则的知识聚类方法，对知识元进行知识聚类，通过智能学习，使其成为个人浏览助手或者领域知识搜索专家，实现用户的个性化搜索。     

基于用户浏览时间的模式聚类算法

该文研究了基于用户访问时间的模式挖掘算法。对于具有公共访问子模式的用户,利用它们浏览页面的时间,设计和实现了一个简单而有效的聚类分析方法。     

基于WWW用户浏览模式的路径提示算法

提出了基于ＷＷＷ浏览模式而获得用户在当前文档中的超链相应用于当前兴趣质量的思想,并给出了具体获得链质量步骤和算法。将质量最好的超链推荐给用户就是简单高效的路径提示。     

基于序列模式的用户浏览行为提取与分析

当今互联网所提供的功能和服务越来越多,Web内容也越来越丰富,移动应用越来越流行。然而,复杂的Web服务应用对用户提出了更高的要求,给用户浏览带来了很多问题,很多时候用户会感到无所适从。文中提出基于用户浏览序列模式的用户行为提取与分析方法。该方法可以分为浏览模式分析和用户聚类两部分。在浏览模式分析时,首先根据用户行为数据得到浏览序列,然后运用序列模式挖掘PrefixSpan算法获取用户习惯的浏览模式,最后把分析获取的用户浏览模式应用到Web浏览中,为不同的用户需求提供个性化的服务。在用户聚类时,运用层次聚类方法按照浏览模式的相似性对用户进行聚类,以分析用户的不同属性（如年龄、职业、学历等）对用户浏览模式的影响。实验结果表明,文中采用的PrefixSpan算法和层次聚类方法在用户浏览模式分析和研究方面具有很好的可行性和有效性。     

匿名用户的网络浏览特征挖掘

在网络使用挖掘（web usage mining)中，分析用户的行为模式是一个关键的问题，尤其对于匿名用户特征挖掘更有实际意义，首先介绍如何从网络使用数据（web usage data)中提取出会话（session)信息，接着讨论会话的特征抽取和特征空间（feature space)的表达方式，并以此为基础提出了一种建立在会话特征信息上的戒名用户的网络浏览特征挖掘方法算法，这种算法在提高精确性的基础上减少了计算耗费，可以较好地解决路径的变长，方向性和动态聚集等问题。     

面向智能体的信息系统开发方法研究

智能体技术是近几年来发展起来的一种新的软件技术方法，将多Agent技术引入信息系统（Information System，IS）能使信息系统在新的管理模式中承担感知、协调、决策和指导的作用。文中介绍了智能体概况以及多智能体的几个关键性定义及发展状况，从特性角度、信息角度分析，信息系统适合用Agent技术来描述，从而着重介绍了智能体在两种信息系统中应用，通过分析可以看出多智能体引入信息系统是一种更为有效也是最有发展前途的一种方法。最后构想了未来面向智能体的信息系统开发方法。     

面向智能体的信息系统开发方法研究

智能体技术是近几年来发展起来的一种新的软件技术方法,将多Agent技术引入信息系统(Information System,IS)能使信息系统在新的管理模式中承担感知、协调、决策和指导的作用。文中介绍了智能体概况以及多智能体的几个关键性定义及发展状况,从特性角度、信息角度分析,信息系统适合用Agent技术来描述,从而着重介绍了智能体在两种信息系统中应用,通过分析可以看出多智能体引入信息系统是一种更为有效也是最有发展前途的一种方法。最后构想了未来面向智能体的信息系统开发方法。     

基于领域本体库的电子政务智能浏览系统

为了使用户能够快速、智能地利用电子政务信息资源,文中对不同来源、不同结构的数据进行整合和处理,提供面向业务领域主题查询、检索的智能浏览系统,给出了电子政务智能浏览系统体系结构,对系统的主要功能如数据发掘、数据存储、数据挖掘分析、智能浏览服务器、智能浏览客户端等进行了分析;对系统实现的关键技术即基于领域本体库的电子政务智能浏览进行了深入研究,讨论了领域本体实例库的建立方法,分析了智能浏览的工作流程,并对领域本体的构建、推理机制、智能浏览等关键活动进行了研究     

基于多智能体的产品报价研究

产品报价涉及企业生产、技术、销售、财务、管理等部门，影响因素包括技术水平、设备状况、市场环境、竞争对手、原材料、物流成本等，过程非常复杂。如何有效地估计相关的生产成本是此文的主要目的。文中探讨多智能体技术在产品报价中的应用，利用多智能体的判断、推理能力和与其他智能体通讯协作能力来解决产品报价中影响因素多、效率低和准确性差的问题。提出了基于多智能体的产品报价系统的构造方法，建立了多智能体产品报价模型。案例证明，该模型能够提高报价的效率和准确性。     

基于Agent的频繁模式挖掘

频繁模式挖掘是数据挖掘中的一个重要部分,现有的模型具有各自的优点,但在智能性方面表现较差。对于已经存在的Agent系统,多数都是以语言的形式进行描述,本文对Agent进行形式上的描述,并应用到数据挖掘的模型中,使其智能性得到提高,并有很高的可移植性。     

基于MVC模式的Web用户界面建模

分析了企业信息系统的Web用户界面开发特性,研究了当前主流前端框架的MVC(模型-视图-控制器)设计模式应用,针对Web前端开发需求及最佳实践方法,提出了一种符合MVC用户界面开发最佳实践的组件化Web用户界面建模方法.设计一套抽象和描述Web用户界面组件的UML(统一建模语言)概要文件,从界面数据模型、界面组件模型到界面交互模型等3个方面完成Web用户界面建模.以一个装修行业定制型ERP(企业资源计划)系统为例,通过用户界面建模实践,验证了本建模方法的可行性、易用性和有效性.     

基于重复模式的Web信息抽取

网页中的大量数据记录往往以重复的HTML结构进行有规律的组织,从而形成一致的表现形式。根据这一特征,本文给出一种基于重复模式的Web内容抽取方法。通过使用一种叫做后缀树的数据结构,分析页面结构中所包含的重复模式,进而从模式的实例中抽取出对应的数据记录。     

基于智能Agent的Web信息检索系统

设计和实现了一个基于智能Agent的面向领域的Web信息检索系统,讨论了该系统的体系结构和各模块设计思想。经实验验证,该系统具有检索精度商、检索方式多样、用户界面友好等特点。     

基于重复模式的自动Web信息抽取

互联网上存在很多在线购物网站,抽取这类网站页面里的商品信息可以为电子商务、Web查询提供增值服务。该文针对这类网站提出一种自动的Web信息抽取方法,通过检测网页中的重复模式以及分析主题内容的特征获取网页的主题内容,该方法在抽取过程中不需要人工干预。对10个在线购物网站进行了测试,实验结果表明提出的方法是有效的。     

基于神经网络的上网行为识别的研究

本文提出了利用数据流量、连接数、FTP连接数和QQ连接数作为特征量,应用神经网络技术实现对上网行为的自动识别。并用MATLAB仿真的方法进行神经网络的设计和模拟。通过调整网络的参数,有效地提高了识别率。     

基于神经网络的上网行为识别的研究

本文提出了利用数据流量、连接数、FTP连接数和QQ连接数作为特征量。应用神经网络技术实现对上网行为的自动识别。并用MATLAB仿真的方法进行神经网络的设计和模拟。通过调整网络的参数，有效地提高了识别率。     

基于Web访问信息的用户兴趣迁移模式的研究

针对用户浏览网页的兴趣会随时间而变化这一现象,设计了一种网络用户兴趣迁移模式的挖掘模型。把用户的访问兴趣通过隐马尔可夫模型抽象成一种时间序列,以此反映用户兴趣的序列性,进而利用GSP算法从用户兴趣序列中挖掘出用户兴趣的迁移模式。实验证明该方法是有效的,从时间属性上更深层次地描述了用户兴趣的变化情况。     

基于重复消费动力学的用户网络消费模式分析

摘 要: 用户的消费行为中存在着大量的重复行为,如网站的重复访问和重复检索请求等。为了更好地理解时效性对重复消费的影响,本文提出了一种包含质量和时效性的重复消费混合模型。在重复消费动力学中,用户对重复项的选取取决于先前所有相同项的时效性权重之和。在混合模型的参数求解过程中,提出了一种交互迭代的参数更新方法。由于用户的真实消费数据往往服从幂率分布,分析了幂率分布下的模型倾斜性,并给出了倾斜性的紧致下届。通过对GPlus和YouTube两个真实的数据集进行分析发现,用户的重复消费数据存在着时效性。在数据集服从幂率分布的情况下,对数据集进行拟合可以很好的对用户的重复消费进行预测。     

一种分布式Web日志挖掘系统的设计与实现

Web挖掘已从早期的理论研究逐步转向实用阶段,可以利用对Web日志的挖掘发现用户的浏览模式、分析站点的使用情况。有效的Web日志挖掘工具是Web日志挖掘应用成功的关键。针对Web日志挖掘工具存在的问题与不足,提出了一种新颖的基于移动Agent技术的分布式Web日志挖掘系统（MAWLMS）的体系结构。重点阐述了移动代理层的设计,详细说明了移动Agent挖掘算法的设计与实现,包括最大向前路径识别算法和频繁遍历路径发现算法。最后对MAWLMS系统进行了验证,实验结果显示基于MAWLMS系统的分布式Web日志挖掘是可行且有效的。