已閱讀1頁，還剩55頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，面向互聯(lián)網(wǎng)的應(yīng)用產(chǎn)品不斷豐富。面對眾多產(chǎn)品，用戶往往更加偏好那些功能明晰且符合用戶使用習慣的產(chǎn)品。用戶的訪問特點具有非常重要的應(yīng)用前景，如用戶行為預(yù)測、個性化推薦等。因此，對用戶行為數(shù)據(jù)進行挖掘找出用戶的訪問特點已經(jīng)成為了學術(shù)界與工業(yè)界一個共同的研究熱點。
目前，已經(jīng)出現(xiàn)了很多研究網(wǎng)絡(luò)用戶行為的方法。但是，大多研究文獻的作者只是單獨對用戶的訪問行為進行研究，少量涉及到訪問內(nèi)容的文獻卻只是針對某些特殊的
2、領(lǐng)域，如電子郵件。因此，本研究將把用戶訪問行為和用戶訪問內(nèi)容結(jié)合起來研究，以獲得更為準確的用戶訪問特點。這里的訪問內(nèi)容是指用戶訪問的網(wǎng)頁中的文本內(nèi)容。
在本文中，我們針對真實的網(wǎng)絡(luò)用戶，采集了大量的用戶行為數(shù)據(jù)和網(wǎng)頁內(nèi)容。針對這些繁雜數(shù)據(jù)，本文提出了網(wǎng)絡(luò)用戶基于訪問行為和內(nèi)容的用戶聚類算法。該算法中，首先利用向量空間模型的思想，得到基于訪問內(nèi)容的用戶特征向量。然后，在提出用戶訪問興趣度的前提下，把用戶訪問興趣度和基于訪問內(nèi)容的
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于聚類算法的大用戶用電行為研究與應(yīng)用
- 基于用戶Web訪問日志聚類的推薦算法研究與應(yīng)用.pdf
- 基于聚類算法的大用戶用電行為研究與應(yīng)用.pdf
- 基于Web訪問日志的用戶聚類研究.pdf
- 基于用戶訪問興趣的路徑聚類研究.pdf
- 基于用戶行為關(guān)系和內(nèi)容的郵件分類算法的研究與實現(xiàn).pdf
- 基于用戶行為的Web日志聚類研究與應(yīng)用.pdf
- 基于用戶興趣聚類的協(xié)同過濾算法的研究與實現(xiàn).pdf
- 基于用戶行為訪問控制的研究與應(yīng)用.pdf
- Web用戶訪問聚類模式研究.pdf
- 基于Web日志的網(wǎng)絡(luò)用戶聚類研究與實現(xiàn).pdf
- 基于用戶行為的內(nèi)容加速系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于聚類的網(wǎng)絡(luò)用戶行為分析.pdf
- 用戶網(wǎng)絡(luò)訪問行為分析系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于用戶聚類的協(xié)同推薦算法研究.pdf
- 數(shù)據(jù)挖掘的分類與聚類方法在用戶訪問行為中的應(yīng)用研究.pdf
- 基于web日志挖掘的用戶會話聚類算法的研究與應(yīng)用.pdf
- 基于聚類的用戶用電行為分析研究
- 基于用戶行為和項目內(nèi)容的混合推薦算法研究與應(yīng)用.pdf
- 基于用戶瀏覽路徑的Web用戶聚類研究.pdf
評論
0/150
提交評論