基于改進(jìn)混合聚類技術(shù)的用戶興趣智能建模.pdf

1、近十幾年來，因特網(wǎng)上的各種信息以呈指數(shù)級(jí)的速度增長，使得互聯(lián)網(wǎng)用戶想要快速找到其真正所需要的資料信息變得越來越困難。在海量因特網(wǎng)信息帶來信息過載和信息迷失問題而人們對(duì)信息數(shù)據(jù)的需求卻越來越專業(yè)化的時(shí)候，Web個(gè)性化服務(wù)技術(shù)應(yīng)運(yùn)而生，它的出現(xiàn)正好可以在一定的程度上解決因特網(wǎng)中信息的多樣化與用戶需求的專一化之間的予盾。以Google等為首的商業(yè)化互聯(lián)網(wǎng)公司也提出，下一代互聯(lián)網(wǎng)必將是智能化、個(gè)性化的。在Web個(gè)性化服務(wù)中，用戶興趣建模技術(shù)的好

2、壞決定了最終建立的用戶興趣模型能否準(zhǔn)確地反映用戶興趣，是個(gè)性化服務(wù)的關(guān)鍵環(huán)節(jié)，決定了系統(tǒng)提供個(gè)性化服務(wù)的質(zhì)量。所以本文針對(duì)Web個(gè)性化服務(wù)中的用戶興趣智能建模技術(shù)進(jìn)行了較為深入的研究，其主要貢獻(xiàn)如下：
　　首先，提出了一種用戶興趣點(diǎn)個(gè)數(shù)自動(dòng)計(jì)算方法：在用戶興趣建模過程中，用戶興趣點(diǎn)的個(gè)數(shù)（亦即該用戶對(duì)多少個(gè)類別的網(wǎng)頁感興趣）的自動(dòng)確定相當(dāng)重要，因?yàn)樵谟脩艚＿^程中，這個(gè)參數(shù)不能采取讓用戶自行人為指定的方式。本文提出的基于“自動(dòng)相似

3、度閾值選擇”的“自動(dòng)用戶興趣點(diǎn)個(gè)數(shù)計(jì)算”方法可用于智能地解決用戶興趣點(diǎn)個(gè)數(shù)的確定問題；
　　其次，為了自動(dòng)并且較為準(zhǔn)確地挖掘出用戶興趣點(diǎn)（也叫用戶興趣類），本文提出了一種改進(jìn)的基于k-means算法、遺傳算法和ISODATA算法的網(wǎng)頁文本混合聚類算法：①在對(duì)傳統(tǒng)的基于劃分的k-means聚類算法和遺傳算法進(jìn)行全面、系統(tǒng)研究的基礎(chǔ)上，本文首先結(jié)合這兩種算法對(duì)用戶瀏覽過的網(wǎng)頁文本進(jìn)行聚類分析，充分利用了這兩種算法各自的優(yōu)點(diǎn)來克服他們各

4、自的缺點(diǎn)，以達(dá)到優(yōu)勢(shì)互補(bǔ)的目的；②在聚類算法的迭代過程中，本文進(jìn)而借鑒了ISODATA算法的思想，對(duì)聚類簇創(chuàng)新性地采取了動(dòng)態(tài)分裂、合并的操作，使改進(jìn)后的混合聚類算法具有一定的自我調(diào)整能力，克服了傳統(tǒng)的基于劃分的聚類算法不能處理復(fù)雜形狀聚類簇和對(duì)初始值選擇敏感的問題；
　　再次，利用已經(jīng)獲得的用戶興趣點(diǎn)的描述，本文對(duì)用戶興趣類再進(jìn)行自底向上的層次聚類，得到用戶興趣分類樹（ICT）。然后結(jié)合用戶瀏覽網(wǎng)頁時(shí)的動(dòng)作行為所體現(xiàn)出來的網(wǎng)頁興趣

5、度，計(jì)算了用戶對(duì)每個(gè)興趣類的興趣度，最終建立了用戶近期興趣視圖（CIV）作為用戶興趣模型；
　　最后，本文對(duì)上述方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)證明：自動(dòng)用戶興趣點(diǎn)個(gè)數(shù)計(jì)算方法在大多數(shù)情況下能較為準(zhǔn)確地計(jì)算出用戶對(duì)多少個(gè)類的網(wǎng)頁感興趣，與我們?nèi)藶槭孪阮A(yù)備的類的個(gè)數(shù)相比計(jì)算結(jié)果正確率達(dá)到了約70％；本文提出的改進(jìn)混合聚類算法HCA在減少一定迭代次數(shù)的同時(shí)具有更好的聚類效果，在文本聚類算法的評(píng)價(jià)指標(biāo)F-measure值上有較好的提高（與傳統(tǒng)k