基于遺傳算法的實時個性化推薦研究.pdf

1、本文提出了一個基于Web使用挖掘的個性化電子商務網站系統(tǒng)。該系統(tǒng)利用遺傳算法結合聚類方法挖掘用戶的訪問歷史記錄，將當前用戶的訪問行為劃分到某一類行為模式中，再根據同類訪問行為的記錄來進行個性化推薦服務。 目前基于遺傳算法的聚類分析大都是采用定長染色體，生成的聚類數目是預置的。本文在定長染色體遺傳算法聚類的基礎上提出了一種基于變長染色體遺傳算法的聚類方法，能夠在不預先輸入某些參數(如：聚類數、初始聚類中心、聚類中心間的最小距離等)

2、的情況下動態(tài)的輸出聚類結果，這樣就可以避免參數設置不當而影響聚類結果。與定長染色體遺傳算法結合使用，在可以憑經驗確定聚類個數的時候使用定長染色體遺傳算法，而在經驗不足、無法確定聚類個數的時候使用變長染色體遺傳算法，這樣就兼顧了算法的效率與效果。 本系統(tǒng)優(yōu)點如下： (1)本系統(tǒng)采用了基于遺傳算法的聚類挖掘用戶訪問模式的方法。基于遺傳算法聚類的優(yōu)勢在于不用輸入初始聚類中心、聚類中心間的最小距離等參數，避免了其他聚類算法對初始

3、聚類中心等參數非常敏感，參數設置不當會影響聚類結果的問題。 (2)本系統(tǒng)將定長染色體編碼遺傳算法聚類與變長染色體編碼遺傳算法聚類結合應用，提高了數據挖掘的效率和質量。采用變長編碼遺傳算法聚類，最后輸出的聚類的個數是根據樣本的具體分布而定的，無須人工指定聚類數目。 (3)具有實時推薦能力，隨著用戶當前訪問序列的變化而不斷調整推薦集。系統(tǒng)可以將用戶的訪問序列實時捕獲，再動態(tài)的將該用戶劃分到某一類訪問模式，這對網上商場等應用很

4、有意義，因為即使是同一個人訪問網站，他的訪問興趣和目的也可能不斷變化，因而應該推薦不同的產品。 (4)該論文的研究以網上商場等電子商務應用為背景，本系統(tǒng)不僅能針對靜態(tài)頁面，而且可以基于動態(tài)網頁針對產品進行推薦，尤其適合于應用在電子商務等采用了動態(tài)網頁技術的網站上。 (5)本系統(tǒng)在對用戶瀏覽行為的分析和產品實時推薦過程中，不需要用戶主動參與，無論用戶是否注冊了個人信息，或者是否登陸網站，都能夠進行個性化推薦，實現了“零輸入