基于Web的用戶興趣及需求技術的研究.pdf

1、多年來,呈指數(shù)級增長的各種信息,使得Internet用戶快速獲取準確必需的信息顯得越發(fā)急迫。作為從浩瀚的Web信息資源中發(fā)現(xiàn)潛在的、有價值知識的一種有效技術,用戶興趣挖掘技術正悄然興起,倍受關注。它的出現(xiàn)恰好在一定程度上能解決Internet的信息多樣化與用戶需求的專一化之間的矛盾。用戶興趣挖掘技術的主要研究內(nèi)容是如何根據(jù)所提供的用戶瀏覽信息或行為或Web日志等數(shù)據(jù),較為準確地挖掘出用戶的個體興趣,構建用戶個體興趣模型,分析用戶個體興趣

2、,更進一步的根據(jù)個體興趣對用戶進行聚類挖掘出用戶群體興趣,并從個體興趣和群體興趣兩方面刻畫用戶的興趣需求,完善興趣模型。本課題主要通過介紹一個基于Web、WAP的用戶興趣挖掘項目對以下提出的技術和算法進行具體分析和詳細介紹并以真實的數(shù)據(jù)進行了實驗驗證其有效性。
　　 (1)用戶興趣建模技術
　　 根據(jù)用戶瀏覽記錄中的URL爬取并解析出所瀏覽網(wǎng)頁的正文,基于內(nèi)容的文本分析是本課題挖掘用戶興趣的基礎。因此,在文本獲取和預處理

3、階段,本課題提出基于規(guī)則和DOM樹的網(wǎng)頁正文提取技術以及基于卡方與關鍵詞權重的文本分類方法。在用戶興趣建模階段,提出多元化的建模思路,不僅從長期興趣,短期興趣方面建模,還綜合了從個體興趣和群體興趣分別統(tǒng)計用戶自己的歷史行為和若干用戶相似的歷史行為的建模思路,更全面地刻畫了用戶的興趣偏好。
　　 (2)用戶個體興趣挖掘技術
　　 主要通過挖掘用戶的歷史訪問頁面,了解用戶在信息需求方面的興趣傾向。本研究提出了適合本課題應用場

4、景的兩個算法:
　　 ①挖掘用戶的長期興趣的算法;
　　 ②挖掘用戶的短期興趣的算法;
　　 用戶興趣反映用戶在主題需求、內(nèi)容形式上的偏好,在維護和修改用戶興趣的過程中,采用興趣類訪問密度加時間屬性的方法挖掘長(短)期興趣。對用戶模型的更新方面,引入遺忘因子,采用生物遺忘規(guī)律的方法對不活躍的用戶或興趣進行遺忘,對活躍的用戶或興趣進行記憶上的增強,最終達到對用戶興趣模型進行更新的目的。
　　 (3)用戶群體