版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、互聯網技術的迅速發(fā)展,實現了全球的資源共享和信息交換。然而互聯網上的信息量呈指數級速度增長所導致的“信息過載”和“信息迷航”問題已日益制約用戶高效地使用各種信息資源。網站通過提供Web個性化服務可以提高用戶的訪問效率和滿意度。實現Web個性化推薦所面臨的關鍵問題是需要對大量匿名用戶的行為模型進行深層理解,傳統(tǒng)的個性化方法很難處理匿名用戶的情形,把Web使用挖掘用于Web個性化推薦是解決上述問題的有效途徑。作為Web數據挖掘的一個重要組成
2、部分,Web使用挖掘就是利用數據挖掘技術分析用戶訪問留下的日志文件,挖掘用戶瀏覽模式的過程。Web使用挖掘可用于理解用戶在網站的訪問行為,從而可以主動為用戶提供網站導航服務。蟻群算法(Ant Colony Optimization,簡稱ACO)作為群體智能算法的一個分支,是受真實蟻群覓食行為的啟發(fā)而逐步發(fā)展起來的一種模擬螞蟻群體智能行為的算法。由于其在求解復雜優(yōu)化問題方面的優(yōu)勢,在許多領域都得到了應用。因此,將蟻群算法引入Web使用挖掘
3、、發(fā)現用戶的瀏覽模式、為用戶提供導航推薦服務,具有重要的理論意義和應用價值。
本文首先對蟻群算法的收斂性和Web使用數據的預處理進行了研究,在此基礎上,分別將蟻群算法應用于用戶導航模式和用戶聚類的挖掘。所做的主要工作及創(chuàng)新性研究成果如下:
(1)在圖搜索螞蟻系統(tǒng)的收斂性分析基礎上,對基本蟻群算法進行了改進,并對這種改進的蟻群算法構造全局最優(yōu)解的概率等收斂性問題進行了研究。首先對Dorigo Macro提出的基
4、本蟻群算法中的Ant Cycle模型作了三點改進:其一是僅最優(yōu)秀螞蟻釋放信息素,即在第f步迭代結束之后,僅對前t步迭代中所找到的最優(yōu)解上的弧進行信息素的加強,這樣就鼓勵螞蟻在至今發(fā)現的最好路徑的鄰近區(qū)域去搜索路徑,使螞蟻對解空間的探索更有方向性;其二是對殘留信息素數量進行限幅控制。為了避免算法過早收斂于非全局最優(yōu)解,在算法的迭代過程中,對任意弧上的殘留信息素設定了下界;其三是信息素揮發(fā)系數自適應變化。通過揮發(fā)系數的自適應變化使蟻群在算法
5、的前面階段增加搜索的隨機性,避免搜索過度集中,有利于搜尋更優(yōu)解;在算法的后期,減小隨機程度,增加收斂速度,使算法在已經搜索到較優(yōu)解的情況下,逐漸收斂到全局最優(yōu)解。在此基礎上,對該算法的收斂性進行了證明。在僅需滿足兩個基本假設條件的前提下,證明了算法能以接近于1的概率收斂于最優(yōu)解。實驗結果表明,與基本蟻群算法相比,本文算法的全局搜索能力與收斂速度都有所提高,是一種有效的算法。
(2)在分析現有的Web使用數據預處理過程的基礎
6、上,對預處理中的一個關鍵問題--會話識別問題進行了研究,并提出了一種基于自適應時間閾值的會話識別方法。傳統(tǒng)的面向時間的方法只根據一個固定的時間閾值參數來識別會話的方法是具有局限性的,本文利用動態(tài)的時間閾值參數進行會話識別,分析每個用戶的平均頁面訪問時間,并結合固定的時間閾值得到一個動態(tài)的自適應時間閾值,從而實現會話訪問時間參數的個性化。實驗結果表明,通過該方法獲得的用戶會話能夠更加準確地描述用戶的實際瀏覽行為,對模式發(fā)現階段能夠產生好的
7、影響,從而可以提高基于Web使用挖掘的用戶導航推薦結果的質量。
(3)基于螞蟻覓食行為與用戶瀏覽網頁行為的相似性,把Web用戶看成是人工的螞蟻,利用蟻群算法中的概念“外激素”來反映用戶的訪問興趣,提出了一個蟻群導航模型來挖掘用戶的興趣導航模式。首先考慮了頁面訪問次數、頁面訪問順序、網站結構和頁面訪問時間等因素對用戶導航路徑模式挖掘的影響,其次,考慮了早期訪問者與現有訪問者對導航路徑模式發(fā)現的不同影響,提出了基于蟻群算法的群
8、體用戶導航模型,并應用蟻群算法來發(fā)現用戶偏好的導航路徑模式。實驗結果表明,與傳統(tǒng)算法相比,蟻群算法應用于用戶導航推薦的準確性較高,說明蟻群算法揭示的是群體用戶的興趣路徑,更能反映用戶的瀏覽偏好。
(4)將蟻群算法應用于Web使用聚類挖掘領域,提出了一種蟻群算法與K-means算法相結合的方法對訪問網站的用戶進行聚類。首先介紹了基于群體智能的蟻群聚類算法的四種模型,然后將基于蟻群覓食行為的蟻群算法引入Web使用聚類。蟻群算法
9、的一個重要特征是對初始過程不敏感,在滿足一定的條件下總是能收斂到全局最優(yōu)解,但是收斂速度較慢;與蟻群算法相對照,K-means聚類收斂速度較快,但很可能收斂到一個局部最優(yōu)解,并且由于初始聚類是隨機生成的,其結果受到初始過程的影響。本文提出一種將K-means算法嵌入到蟻群算法中的混合算法,充分利用蟻群算法的全局搜索能力和K-means算法的局部搜索能力,并將該算法應用到Web用戶聚類問題的求解中,實驗結果表明該方法是有效的,與K-mea
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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ACO的WEB日志挖掘研究.pdf
- 序列模式挖掘方法及Web使用挖掘研究.pdf
- Web使用挖掘的理論與方法研究.pdf
- Web使用挖掘方法的研究和實現.pdf
- Web使用挖掘方法的研究與改進.pdf
- 基于數據挖掘的Web用戶使用模式生成方法研究.pdf
- 基于關聯原理的Web使用挖掘研究.pdf
- 基于Web使用挖掘的客戶發(fā)現研究.pdf
- 基于聚類的Web使用挖掘研究.pdf
- Web使用挖掘研究.pdf
- 基于Web使用挖掘的知識發(fā)現研究.pdf
- 集成Web內容挖掘和Web使用挖掘的研究.pdf
- 基于Web日志的網絡使用挖掘算法研究.pdf
- 基于關聯規(guī)則的Web使用挖掘.pdf
- WEB使用挖掘中會話識別方法研究.pdf
- 基于Web使用挖掘技術的應用研究.pdf
- 基于Web使用挖掘自適應網站的研究.pdf
- 語義Web使用挖掘研究.pdf
- 基于Web使用挖掘的用戶模式識別研究.pdf
- 基于電子商務日志的Web使用挖掘研究.pdf
評論
0/150
提交評論