基于用戶Web訪問日志聚類的推薦算法研究與應(yīng)用.pdf

1、當(dāng)今互聯(lián)網(wǎng)飛速發(fā)展，網(wǎng)絡(luò)中交互的數(shù)據(jù)量越來越大，種類越來越多。面對數(shù)以億計(jì)的數(shù)據(jù)，互聯(lián)網(wǎng)用戶面臨的問題是如何從中找到自己感興趣的數(shù)據(jù)，而對于網(wǎng)站運(yùn)營者來講應(yīng)該考慮的是如何在以幾何級別的增長速度的網(wǎng)絡(luò)數(shù)據(jù)中，搜索挖掘出用戶感興趣、對用戶有用的數(shù)據(jù)并推薦給用戶。在大數(shù)據(jù)的環(huán)境下通過簡單的人為篩選已經(jīng)無法完成上述任務(wù)了，將互聯(lián)網(wǎng)與數(shù)據(jù)挖掘結(jié)合起來是一個(gè)解決這個(gè)問題的很好的辦法。而對于用戶來講，互聯(lián)網(wǎng)中可以供自己選擇的資源五花八門，用戶需要一種

2、技術(shù)能夠讀懂并且明白自己的興趣愛好，以及對用戶未來的喜好進(jìn)行適當(dāng)?shù)念A(yù)測。
　　鑒于以上兩種需求，本文以互聯(lián)網(wǎng)用戶的訪問日志作為數(shù)據(jù)源，對用戶的日志數(shù)據(jù)處理后，在數(shù)據(jù)挖掘和推薦算法的理論基礎(chǔ)上，改進(jìn)了基于改進(jìn)Hamming距離的聚類算法和基于對數(shù)似然比的協(xié)同過濾推薦算法的推薦應(yīng)用模式。主要包括兩個(gè)過程:首先通過聚類算法找到與目標(biāo)用戶具有相似興趣的用戶群，其次在目標(biāo)所在的類群眾通過Top-N算法，找出N個(gè)與目標(biāo)用戶最近鄰的用戶，然后根

3、據(jù)這些用戶的訪問日志等上下文信息為目標(biāo)用戶推薦合適的網(wǎng)絡(luò)資源。
　　用戶的訪問日志數(shù)據(jù)極其容易獲得，只要用戶根據(jù)自己的興趣愛好瀏覽網(wǎng)頁，就可以產(chǎn)生推薦數(shù)據(jù)源，其次一般來講用戶在一個(gè)時(shí)間段內(nèi)的興趣是不會(huì)發(fā)生太大變化的，因此將用戶聚類后可以采取離線實(shí)驗(yàn)，不需要實(shí)時(shí)計(jì)算減少了計(jì)算規(guī)模。通過聚類再推薦可以過濾掉很多興趣不同的用戶，可以提高推薦的效率和準(zhǔn)確率。在上述的研究基礎(chǔ)上，在最后的應(yīng)用研究中本文還與其他的聚類和推薦算法在效率和準(zhǔn)確率等