已閱讀1頁，還剩49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
文檔簡介
1、該文綜合了現(xiàn)有的用戶訪問模式挖掘技術,提出用戶訪問模式在線挖掘推薦系統(tǒng)(User Access Pattern Online Mining Recommended System)的構(gòu)想.UAPOMR系統(tǒng)是一個幫助網(wǎng)站建成自適應網(wǎng)站的服務器端在線推薦系統(tǒng),其提供的個性化服務可以直接面向于匿名用戶.UAPOMR系統(tǒng)首先根據(jù)歷史的訪問記錄創(chuàng)建用戶訪問模式,形成用戶配置文件,然后比較當前用戶的訪問頁面序列和用戶配置文件招待有效的推薦算法自動生成
2、一個包含用戶可能感興趣的候選頁面集鏈接的推薦頁面,提供給用戶,從而達到網(wǎng)站自適應和個性化網(wǎng)頁推薦的目的.UAPOMR系統(tǒng)的推薦算法包括基于事務聚類的推薦和基于關聯(lián)規(guī)則聚類的推薦.其中基于事務聚類的推薦通過對包含時間特征的事務特征矩陣聚類分組,有效地解決了合作過濾算法中無法處理海量數(shù)據(jù)的局限.基于關聯(lián)規(guī)則聚類的推薦算法采用超圖劃分的技術,對根據(jù)模式,提出了推薦的質(zhì)量.通過調(diào)整聚類的個數(shù),UAPOMR系統(tǒng)有效地解決了挖掘速度和挖掘準確性之間
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 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
- 基于用戶訪問模式的在線挖掘推薦系統(tǒng)的設計與實現(xiàn).pdf
- 用戶訪問模式在線挖掘系統(tǒng)的應用研究.pdf
- BtoB網(wǎng)站用戶訪問模式挖掘.pdf
- WEB用戶訪問序列模式挖掘.pdf
- 基于Web日志的用戶訪問模式挖掘的研究.pdf
- Web日志中用戶訪問序列模式挖掘的研究.pdf
- 用戶訪問模式挖掘及自適應web研究.pdf
- 基于聚類分析的用戶訪問模式挖掘算法研究.pdf
- 序列模式挖掘在Web用戶訪問序列挖掘中的應用研究.pdf
- Web日志中用戶訪問模式挖掘的研究及應用.pdf
- 基于粗糙集的Web用戶訪問模式挖掘.pdf
- 基于Web的用戶訪問模式挖掘算法及其應用研究.pdf
- 個性化服務中用戶訪問模式的挖掘.pdf
- 基于興趣度的Web日志用戶訪問序列模式挖掘.pdf
- 基于kohonen神經(jīng)網(wǎng)絡的用戶訪問模式挖掘模型的研究.pdf
- Web用戶訪問信息數(shù)據(jù)挖掘.pdf
- 基于web日志挖掘的用戶訪問預測研究.pdf
- 基于Web日志挖掘的用戶訪問興趣研究.pdf
- 基于用戶點擊流數(shù)據(jù)挖掘的推薦系統(tǒng)研究.pdf
- 基于用戶訪問矩陣的網(wǎng)頁推薦模型研究.pdf
評論
0/150
提交評論