基于Web挖掘的信息推薦技術(shù)研究.pdf

1、自上世紀(jì)90年代以來(lái)，互聯(lián)網(wǎng)已經(jīng)迅速發(fā)展成為我們生活、工作和學(xué)習(xí)中一個(gè)不可或缺的重要組成部分。如何從這個(gè)巨大信息海洋中尋找所需的信息資源或定制自己的服務(wù)成為人們迫切關(guān)心的問(wèn)題。同樣，作為互聯(lián)網(wǎng)服務(wù)的提供方，Web站點(diǎn)的重要性也日益提高，如何合理設(shè)計(jì)網(wǎng)站布局以方便用戶瀏覽成為Web站點(diǎn)優(yōu)化工作的重點(diǎn)。與此同時(shí)，電子商務(wù)也在以令人難以置信的速度蓬勃發(fā)展著，在這樣一個(gè)全新的商業(yè)環(huán)境中，怎樣吸引新的客戶并通過(guò)自身提供的資源和服務(wù)進(jìn)一步留住這些客

2、戶，成為眾多開(kāi)展電子商務(wù)企業(yè)所面臨的一個(gè)難題。 為解決上述三方面問(wèn)題，研究人員提出了相應(yīng)的Web推薦技術(shù)，包括：Web搜索推薦、站內(nèi)導(dǎo)航推薦和電子商務(wù)推薦?；谒阉魍扑]技術(shù)的搜索引擎很好地迎合了普通用戶的查詢需求，成為用戶查詢互聯(lián)網(wǎng)信息，進(jìn)行信息檢索的一個(gè)重要手段。而基于Web使用挖掘技術(shù)的站點(diǎn)優(yōu)化技術(shù)也是目前研究的一個(gè)重要方向，它在完善自身站點(diǎn)設(shè)計(jì)的同時(shí)能進(jìn)一步提供站點(diǎn)導(dǎo)航服務(wù)。此外，個(gè)性化推薦服務(wù)成為了建立個(gè)性化電子商務(wù)站點(diǎn)

3、的一個(gè)重要途徑。 但是，隨著互聯(lián)網(wǎng)的不斷發(fā)展，一些新的特征也隨之出現(xiàn)，其中最大的變化就是它的“增量動(dòng)態(tài)更新”。Web上日益增加的數(shù)據(jù)導(dǎo)致了對(duì)這些數(shù)據(jù)使用方式亦發(fā)生著快速變化，它所帶來(lái)的問(wèn)題是Web服務(wù)提供者如何能適應(yīng)這樣的變化，為用戶使用互聯(lián)網(wǎng)提供更好的服務(wù)。這些變化給現(xiàn)有Web信息、服務(wù)推薦技術(shù)帶來(lái)了諸多挑戰(zhàn)。為此，本文提出了基于Web挖掘的信息推薦技術(shù)研究，針對(duì)上述三類推薦技術(shù)中存在的類似問(wèn)題進(jìn)行了有益的探索。論文的主要工作

4、包括以下幾個(gè)方面： (1)Web搜索推薦：針對(duì)目前搜索推薦研究中存在的“權(quán)威偏見(jiàn)”問(wèn)題，提出基于頁(yè)面更新的主題關(guān)注算法(Topic-AttentivePageRankingAlgorithm，TAPR)，從各主題受關(guān)注程度的角度來(lái)改進(jìn)頁(yè)面排名評(píng)分計(jì)算，以改善新加入的重要頁(yè)面排名低的現(xiàn)象。 (2)站內(nèi)導(dǎo)航推薦：針對(duì)網(wǎng)站導(dǎo)航推薦研究中日志增量更新、用戶興趣不斷變化的問(wèn)題，提出基于蟻群聚類的用戶訪問(wèn)模式增量挖掘算法，首先利用蟻

5、群聚類分析方法實(shí)現(xiàn)用戶模式的聚類，然后引入一種類解體機(jī)制，使之能不斷隨著用戶興趣度的變化而形成新的類別，從而實(shí)現(xiàn)用戶訪問(wèn)模式挖掘的增量式更新，以適應(yīng)當(dāng)前“增量動(dòng)態(tài)更新”的網(wǎng)絡(luò)環(huán)境。 (3)電子商務(wù)推薦：針對(duì)目前電子商務(wù)中協(xié)同過(guò)濾研究的數(shù)據(jù)稀疏、可擴(kuò)展性、評(píng)分偏見(jiàn)和噪音等問(wèn)題，基于類間關(guān)系迭代分析的思想，提出了一種新的“項(xiàng)目評(píng)分迭代補(bǔ)償?shù)膮f(xié)同過(guò)濾推薦”算法。首先，通過(guò)類間關(guān)聯(lián)關(guān)系迭代地求取各類型對(duì)象對(duì)的相似度，并引入用戶評(píng)分習(xí)慣優(yōu)

6、化相似度計(jì)算；然后在此基礎(chǔ)上使用K-Means聚類對(duì)象，從相似用戶和相似項(xiàng)目?jī)蓚€(gè)方面對(duì)缺失評(píng)分進(jìn)行迭代彌補(bǔ)，以實(shí)現(xiàn)有效推薦。此外，基于偏好項(xiàng)目和用戶偏好分析提出的用戶可信度及項(xiàng)目重要度迭代方法，有效增強(qiáng)了算法在噪音環(huán)境下的推薦質(zhì)量。 (4)信息推薦系統(tǒng)設(shè)計(jì)：基于Web挖掘技術(shù)，結(jié)合本文提出的Web信息主題關(guān)注度分析、增量式日志挖掘、迭代協(xié)同過(guò)濾等方法，實(shí)現(xiàn)了一個(gè)信息推薦系統(tǒng)“揚(yáng)大搜索YZSE信息推薦系統(tǒng)”。系統(tǒng)主要包括三個(gè)部分：