基于Web挖掘的網(wǎng)頁動態(tài)推薦系統(tǒng)研究.pdf

1、使用Web挖掘技術(shù)提取用戶訪問模式具有重要的現(xiàn)實(shí)意義。在用戶瀏覽網(wǎng)頁時為用戶提供預(yù)取服務(wù)，在電子商務(wù)中為用戶推薦商品以及改善網(wǎng)站的組織結(jié)構(gòu)等。然而，在信息爆炸的今天，從網(wǎng)站內(nèi)容到用戶瀏覽行為都時刻發(fā)生著變化。這對網(wǎng)頁推薦系統(tǒng)的設(shè)計提出了新的要求。
　　推薦系統(tǒng)為了預(yù)測用戶下一步可能訪問的網(wǎng)頁，需要向前參考瀏覽序列。而序列模式考慮了頁面瀏覽序列，因此本文以序列模式相關(guān)理論為基礎(chǔ)。在基于序列模式的用戶瀏覽模式挖掘相關(guān)研究中，比較流行的

2、有基于Markov模型和PLSA模型。本文分析發(fā)現(xiàn)這兩種模型在適應(yīng)網(wǎng)站內(nèi)容和用戶瀏覽行為迅速變化方面都存在不足。
　　本文首先介紹了該領(lǐng)域的國內(nèi)外研究現(xiàn)狀和Web數(shù)據(jù)挖掘的一般流程。在Web日志數(shù)據(jù)預(yù)處理方面，本文給出了一種過濾日志數(shù)據(jù)的方法。在網(wǎng)頁聚類方面，先分析了現(xiàn)有的各種聚類方法，接著提出了在網(wǎng)站組織結(jié)構(gòu)良好的情況下基于URL的聚類方法包括：基于URL間距離和基于路徑樹的方法。由于URL間距離的算法不適應(yīng)動態(tài)增長的Web頁面

3、結(jié)構(gòu)，本文主要采用的是基于路徑樹的方法。在序列模式挖掘階段，本文分析了PLSA方法的不足并提出了RTA算法，此方法基于路徑樹。隨后，本文給出了推薦系統(tǒng)的更新方法。接下來本文分析了用戶在訪問網(wǎng)站時的使用習(xí)慣，并據(jù)此給出了網(wǎng)頁推薦系統(tǒng)的設(shè)計方案。
　　本文最后采用命中率來評價推薦系統(tǒng)，給出了推薦頁面數(shù)、支持度以及滑動窗口長度與命中率之間的關(guān)系。并將實(shí)驗(yàn)結(jié)果與基于PLSA算法的實(shí)驗(yàn)進(jìn)行了對比，結(jié)果表明在一定條件下，RTA算法優(yōu)于PLSA