基于Web客戶端數(shù)據(jù)的個(gè)性化推薦技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)信息的迅速膨脹,人們從Web上獲取感興趣信息越來越困難。因此,為用戶提供感興趣信息的個(gè)性化推薦技術(shù)獲得了廣泛關(guān)注。目前個(gè)性化推薦技術(shù)多數(shù)是基于Web服務(wù)器端數(shù)據(jù)的,無法從根本上解決用戶難以較好地獲取感興趣信息的問題。而Web客戶端數(shù)據(jù)包含單個(gè)用戶對多個(gè)網(wǎng)站的上網(wǎng)記錄,其數(shù)據(jù)能更好地反映用戶興趣,因此本文主要研究了基于Web客戶端數(shù)據(jù)的個(gè)性化推薦技術(shù)。
　　 首先,研究了Web客戶端的用戶個(gè)性化信息提取。Web客戶端的用戶

2、個(gè)性化信息主要從IE緩存、IE歷史記錄、收藏夾等獲取,其中IE緩存上網(wǎng)記錄較多、數(shù)據(jù)冗余較大等特點(diǎn)加大了用戶個(gè)性化信息的提取難度。針對這一問題,本文研究了基于網(wǎng)頁分塊的網(wǎng)頁正文信息提取方法,實(shí)現(xiàn)了從IE緩存中提取用戶個(gè)性化信息。該方法引入網(wǎng)頁分塊的思想,通過使用正則表達(dá)式,實(shí)現(xiàn)了網(wǎng)頁內(nèi)容塊抽取及其正文信息提取。實(shí)驗(yàn)結(jié)果表明,該方法能夠較準(zhǔn)確地抽取用戶個(gè)性化信息,且具有較強(qiáng)的通用性。
　　 其次,本文分析比較了現(xiàn)有幾種基于空間向量

3、模型(VSM)表示的用戶興趣模型,將互信息和層次聚類方法應(yīng)用于用戶興趣建模。互信息的引入使用戶興趣模型中興趣特征之間能夠相互關(guān)聯(lián),而基于互信息的興趣特征層次聚類又更好的將關(guān)聯(lián)關(guān)系比較強(qiáng)的興趣特征聚集在一起。實(shí)驗(yàn)結(jié)果表明,該用戶興趣模型能夠較好地匹配用戶感興趣的信息。
　　 最后,設(shè)計(jì)并實(shí)現(xiàn)一個(gè)以用戶為中心的基于客戶端數(shù)據(jù)的個(gè)性化推薦原型系統(tǒng)。測試結(jié)果表明,該原型系統(tǒng)能夠從異構(gòu)的Web客戶端數(shù)據(jù)中提取用戶個(gè)性化信息,并根據(jù)用戶個(gè)性