面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法研究.pdf

1、面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法研究面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法研究摘要隨著Intemet上數(shù)據(jù)量的大量增加，人們對信息發(fā)掘的實(shí)時(shí)|生、準(zhǔn)確性等的要求不斷提高，催生了Web數(shù)據(jù)流挖掘的發(fā)展，并使之成為當(dāng)今人工智能研究領(lǐng)域一個(gè)熱門課題。同時(shí)伴隨著人們對數(shù)據(jù)的需求越來越專業(yè)化，個(gè)性化服務(wù)技術(shù)的出現(xiàn)可以在一定的程度上解決Intemet中信息的多樣化與用戶需求的專一化之間的矛盾，用戶興趣建模技術(shù)作為個(gè)性化服務(wù)的核心問題，受到了人

2、們的廣泛關(guān)注。因此本文提出的面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法研究具有較高的理論意義和實(shí)際意義。本文在國內(nèi)外研究的基礎(chǔ)上，研究面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法，并應(yīng)用于個(gè)性化推薦系統(tǒng)。主要研究內(nèi)容包括：第一，針對目前Web數(shù)據(jù)流關(guān)聯(lián)規(guī)則挖掘方法的缺點(diǎn)，通過研究關(guān)聯(lián)規(guī)則最大頻繁項(xiàng)集挖掘。提出一種基于自調(diào)整有序復(fù)合策略的Web數(shù)據(jù)流最大頻繁項(xiàng)集挖掘算法AMFI。該算法采用了滑動窗口技術(shù)，創(chuàng)新性的提出自調(diào)整有序復(fù)合FPtree策略。

3、第二，目前國內(nèi)外對數(shù)據(jù)流聚類的研究通常分為兩類：以數(shù)據(jù)流為聚類對象和以數(shù)據(jù)流中數(shù)據(jù)為聚類對象。針對其中的不足，提出一種新的并行Web數(shù)據(jù)流聚類算法模型JPStream，研究對象為數(shù)據(jù)流本身。算法采用了衰減窗口模型，應(yīng)用主成分分析法對數(shù)據(jù)流降維，I面向用戶興趣漂移的Web數(shù)據(jù)流挖掘算法研究LRESEARCH0NM【NINGALGORITHMSOFⅥ吧BDATASTREAMFORUⅥ吧RINTEI己ESTDRIFTABSTRACTWitht

4、hesignificantincreaseintheamountofdataontheintemet，people’srequirementsofthereal—time，accuracyofinformationdiscoveryimprovecontinuously，thusbirththedevelopmentofwebdatastreamminingandmakeitahottopicinthefieldofartificial

5、intelligence一oo‘‘’‘^Mmultaneously，people7Srequirementsof。databecomemoreandmorespecialized，andtheappearanceofpersonalizationtechnologiesrelievethecontradictionbetweenthediversificationoftheinformationontheinternetandthesp

6、ecializationofusers’requirementsinsomewayAsthecoreissueofpersonalizedservice，usermodelingtechnologyhasreceivedwideattentionSowebdatastreamminingalgorithmorienteduserinterestdriftmentionedinthistexthashightheoreticalandpr