基于Web內(nèi)容和結(jié)構(gòu)挖掘的智能Portal.pdf

1、企業(yè)在Portal上發(fā)布與企業(yè)相關(guān)的信息，使得瀏覽者迅速找到他所需要的內(nèi)容。由于Internet的規(guī)模與使用的持續(xù)增長(zhǎng)，大多數(shù)的Web結(jié)構(gòu)非常復(fù)雜和龐大，導(dǎo)致用戶失去查詢目標(biāo)。智能Portal使用Web挖掘方法向用戶提供個(gè)性化信息。 Web挖掘分為使用挖掘、內(nèi)容挖掘和結(jié)構(gòu)挖掘。通過(guò)Web使用挖掘技術(shù)實(shí)現(xiàn)個(gè)性化的方法有很多，其優(yōu)點(diǎn)是能自動(dòng)地獲得用戶的興趣愛(ài)好和網(wǎng)頁(yè)間的關(guān)聯(lián)關(guān)系，從而做出網(wǎng)頁(yè)推薦；但對(duì)于處理新網(wǎng)頁(yè)或是還沒(méi)有被訪問(wèn)過(guò)的

2、網(wǎng)頁(yè)還存在不足，并且它沒(méi)有充分考慮網(wǎng)頁(yè)本身的內(nèi)容和網(wǎng)站整體結(jié)構(gòu)中那些有助于實(shí)現(xiàn)個(gè)性化的信息?；诖?，本文采用內(nèi)容過(guò)濾的個(gè)性化方案，基于一個(gè)Portal網(wǎng)站，從網(wǎng)頁(yè)本身和網(wǎng)站結(jié)構(gòu)出發(fā)，即綜合Web內(nèi)容和Web結(jié)構(gòu)挖掘技術(shù)，對(duì)網(wǎng)頁(yè)按照用戶的喜好程度進(jìn)行分類，向訪問(wèn)Portal網(wǎng)站的不同用戶提供他們感興趣的個(gè)性化信息服務(wù)，使得門戶網(wǎng)站具有智能化功能。 本文對(duì)Web內(nèi)容和結(jié)構(gòu)挖掘技術(shù)進(jìn)行了系統(tǒng)的研究，并在原型系統(tǒng)中采用如下方法：在經(jīng)典的

3、TF-IDF技術(shù)基礎(chǔ)上，融入網(wǎng)頁(yè)標(biāo)簽信息和超鏈接文本；在使用鏈接文本表示被鏈接網(wǎng)頁(yè)時(shí)采用PageRank算法計(jì)算鏈接文本所在網(wǎng)頁(yè)的權(quán)威值，從而確定表示網(wǎng)頁(yè)時(shí)的特征值對(duì)應(yīng)權(quán)重大??；采用沒(méi)有學(xué)習(xí)過(guò)程、并可動(dòng)態(tài)添加訓(xùn)練例的kNN分類器進(jìn)行分類，用保存訓(xùn)練例路徑的方法來(lái)減少kNN算法空間復(fù)雜度問(wèn)題；通過(guò)鏈接進(jìn)行簡(jiǎn)單的分類，對(duì)網(wǎng)頁(yè)分類方法進(jìn)行補(bǔ)充；對(duì)于評(píng)價(jià)策略，在傳統(tǒng)評(píng)價(jià)文本分類器的基礎(chǔ)上，將精確度與查全率重新定義，采用延遲評(píng)價(jià)的方法以滿足系統(tǒng)的