基于用戶訪問矩陣的網(wǎng)頁推薦模型研究.pdf

1、Web挖掘是將傳統(tǒng)數(shù)據(jù)挖掘與Web結(jié)合起來的技術(shù)，其中Web使用挖掘的挖掘?qū)ο笫怯脩艉途W(wǎng)絡(luò)交互過程中抽取的Web日志數(shù)據(jù)。對這些數(shù)據(jù)挖掘可以幫助理解用戶的行為，從而改進站點的結(jié)構(gòu)，或為來訪者提供網(wǎng)頁推薦服務(wù)。當(dāng)前基于使用挖掘的推薦模型中，通過關(guān)聯(lián)規(guī)則來預(yù)測用戶瀏覽模式在網(wǎng)頁推薦領(lǐng)域引起了很多關(guān)注，但許多關(guān)聯(lián)規(guī)則算法本身存在的缺陷，再加上預(yù)測的結(jié)果和用戶實際瀏覽行為之間的匹配率較低，推薦算法執(zhí)行結(jié)果必然難以讓用戶滿意。因此本文的工作主要圍

2、繞以上存在的問題展開，主要分為以下幾個方面：
　　 首先，Web日志數(shù)據(jù)預(yù)處理。本文將粗糙集理論中屬性信息量的概念引入到預(yù)處理階段，給出了屬性重要性量化值的概念，提出了一種基于屬性重要性的數(shù)據(jù)預(yù)處理方式，該方法有效地剔除了噪音數(shù)據(jù)，從而為后期處理提供了規(guī)模更小的數(shù)據(jù)集，減小了日志數(shù)據(jù)挖掘的復(fù)雜度。
　　 接著，本文對可重復(fù)連續(xù)頻繁訪問路徑挖掘算法進行了研究。首先介紹了最具代表性的兩種頻繁訪問路徑挖掘算法，接著文章對可重復(fù)

3、連續(xù)頻繁訪問路徑挖掘算法進行了詳細地分析，提出了一種CA-Mining算法，并通過實驗驗證了該算法的有效性和正確性。最后在第五章網(wǎng)頁推薦部分，采用CA-Mining算法進行可重復(fù)連續(xù)頻繁訪問路徑的挖掘。
　　 其次，分析了矩陣聚類的方法。文章在宋擒豹等學(xué)者提出的矩陣聚類的基礎(chǔ)上進行了改進，將頁面訪問順序引入到向量相似性計算中來，給出了一種改進的向量相似性計算方法，提高了矩陣聚類的精度。
　　 最后，對網(wǎng)頁推薦模型進行了探