基于用戶瀏覽路徑的Web用戶聚類研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，Web在信息共享、電子商務(wù)和提供在線服務(wù)方面得到廣泛的應(yīng)用。越來越多的人利用Internet來查找自己所需要的信息，如何幫助用戶快速的查找到自己想要的信息，滿足他們的個性化需求便成為現(xiàn)代網(wǎng)絡(luò)技術(shù)關(guān)注的重要問題。為解決這一問題，研究人員提出了Web用戶聚類方法。Web用戶聚類通過對相似用戶歸類，了解用戶群體的需求和興趣，從而為用戶提供更優(yōu)質(zhì)的服務(wù)。 Web用戶聚類主要是對Web日志進行挖掘，主要包括三個步驟：

2、首先對日志進行預(yù)處理提取用戶的特征；然后根據(jù)用戶特征計算用戶間的相似度；最后進行用戶聚類。用戶特征的提取和用戶相似度計算在聚類過程中非常重要，它們的好壞直接影響用戶聚類的效果。目前，用戶特征或者采用用戶會話路徑來表示，或者采用事務(wù)識別出的目標頁面來表示，但是會話路徑粒度通常太大，目標頁面也很難發(fā)現(xiàn)用戶的瀏覽行為；相似度計算時，已有方法主要進行集合之間的交集運算，還有方法提出采用平均停留時間來計算相似度，但這些方法都不能很好的發(fā)掘用戶的真

3、正興趣。 針對上述的問題，本文提出一種新的用戶特征表示方法，采用事務(wù)識別提取的路徑來表示用戶特征。它比用戶會話路徑粒度小，同時彌補了目標頁面表示用戶特征的不足，能很好的發(fā)現(xiàn)用戶的瀏覽行為。并以此為基礎(chǔ)，提出一種新的相似度計算方法—WUSC(Web UserSimilarity Calculating)。該方法將事務(wù)路徑看作一個有序序列，考慮用戶問路徑上的相同部分和整條路徑的關(guān)系，并充分結(jié)合用戶瀏覽路徑上的停留時間來計算用戶間的相