基于Web挖掘的信息推薦算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，人們獲取信息的能力越來越強(qiáng)，但如此巨大的信息量有時也會給搜索帶來麻煩。因此，如何為用戶提供方便快捷的服務(wù)成為電子商務(wù)網(wǎng)站的首要任務(wù)。解決問題的方法之一就是在Web中采用數(shù)據(jù)挖掘技術(shù)，利用其中的聚類分析來處理數(shù)據(jù)的集群歸屬，以實(shí)現(xiàn)對網(wǎng)頁中無規(guī)則數(shù)據(jù)的研究，最終完成用戶信息的提取與推薦工作。信息提取和個性化服務(wù)與推薦技術(shù)就是在這種情況下應(yīng)運(yùn)而生的，它服務(wù)于電子商務(wù)網(wǎng)站，是Web數(shù)據(jù)挖掘的一個重要分支，主要任務(wù)是用來支持

2、用戶決策。
　　文中首先闡述了研究背景以及 Web數(shù)據(jù)挖掘、信息提取與個性化服務(wù)的研究現(xiàn)狀；其次，對數(shù)據(jù)挖掘方法與技術(shù)，包括數(shù)據(jù)挖掘的定義、方法、Web挖掘等；再者是信息提取技術(shù)與個性化服務(wù)系統(tǒng)，主要介紹了網(wǎng)站信息的提取特點(diǎn)、個性化服務(wù)系統(tǒng)的功能、分類以及個性推薦方法的比較，最后，設(shè)計(jì)了一個個性化推薦系統(tǒng)，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
　　本文的重點(diǎn)在于協(xié)同過濾算法的改進(jìn)，前期工作涉及到分塊信息的提取以及網(wǎng)頁用戶信息的聚類。針對Web

3、頁面信息提取中信息單元的劃分，本文提出將整個頁面劃分為若干區(qū)塊，采用一定的算法將較小區(qū)塊設(shè)定為最小提取單元，并根據(jù)重要程度附于區(qū)塊權(quán)值，以進(jìn)行準(zhǔn)確的提取。對于網(wǎng)站信息的預(yù)處理，因顯式信息過少，容易造成用戶評價矩陣稀疏，故采用離線聚類的方式，并加大對隱式數(shù)據(jù)的處理，這樣不僅可以節(jié)省在線處理問題的時間，也可以增加用戶評價矩陣的稠密度，同時提高了協(xié)同過濾推薦的準(zhǔn)確度。
　　綜上，本文在一定程度上很好地解決了傳統(tǒng)協(xié)同過濾推薦算法中易出現(xiàn)的