WEB日志挖掘在網(wǎng)站推薦服務中的應用研究.pdf

1、隨著互聯(lián)網(wǎng)技術的快速發(fā)展，人們在獲取大量信息的同時，也面臨著“信息過載”、“資源迷失”等問題。網(wǎng)絡信息多樣化與用戶需求專一化之間的矛盾漸漸成為困擾網(wǎng)站和用戶的一大難題，網(wǎng)站推薦服務即個性化信息服務正是為了解決這個問題而提出來的。它以用戶興趣模型為核心，預測用戶感興趣的內(nèi)容。本文在認真學習和研究了Web日志挖掘原理及其過程的基礎上，依托億目加速器這一特殊的軟件平臺，設計了一種基于Web日志挖掘的網(wǎng)站推薦服務系統(tǒng)。該系統(tǒng)通過對Web日志文件

2、進行處理，采集用戶訪問頁面信息，為用戶建立興趣模型，提供個性化信息服務。
　　 本文在Web日志文件數(shù)據(jù)預處理過程中，對傳統(tǒng)的數(shù)據(jù)預處理過程進行了改進，改進后的預處理過程降低了數(shù)據(jù)預處理的難度與工作量，同時保證了數(shù)據(jù)預處理的質量。在深入分析劃分的聚類算法和層次的聚類算法各自特點的基礎上，本文使用了一種將分裂的聚類算法和k-means聚類算法相結合的算法，該算法具有較高的效率，計算代價相對較小，適合處理大量的數(shù)據(jù)。在設計個性化推薦