基于Web聚類的個(gè)性化推薦服務(wù)應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)市場(chǎng)競(jìng)爭(zhēng)的日益激烈，用戶己成為網(wǎng)站的最大財(cái)富，他們迫切希望用最簡(jiǎn)單、最快捷的方式獲取最精確的信息，希望網(wǎng)站能夠根據(jù)用戶的特點(diǎn)來推薦他們可能感興趣但尚未閱讀的內(nèi)容。這就要求網(wǎng)站信息服務(wù)改變過去那種對(duì)所有用戶提供界面統(tǒng)一、內(nèi)容相同的服務(wù)方式，從“以站點(diǎn)為中心”向“以用戶為中心”發(fā)展，即站點(diǎn)不但要有針對(duì)所有用戶共同感興趣的信息和服務(wù)，更要有針對(duì)各個(gè)用戶的不同興趣、愛好自動(dòng)組織和調(diào)整的個(gè)性化服務(wù)。在這種情況下，針對(duì)不同用戶的需求，建立

2、相應(yīng)商品服務(wù)措施的個(gè)性化推薦服務(wù)技術(shù)被越來越多的企業(yè)迅速地采用，個(gè)性化技術(shù)已成為電子商務(wù)領(lǐng)域中一項(xiàng)迫切而重要的研究課題，個(gè)性化推薦技術(shù)的研究將具有較高的學(xué)術(shù)價(jià)值和應(yīng)用前景。 論文總結(jié)了個(gè)性化推薦領(lǐng)域中Web聚類算法的國(guó)內(nèi)外研究現(xiàn)狀，分析了已有算法的優(yōu)缺點(diǎn)。針對(duì)K—means聚類算法對(duì)初始參數(shù)敏感的問題，利用競(jìng)爭(zhēng)凝聚方法自動(dòng)獲得最佳聚類數(shù)和相應(yīng)的初始聚類中心。針對(duì)CobWeb聚類算法在利用大數(shù)據(jù)集上構(gòu)建分類樹時(shí)的數(shù)據(jù)偏斜和對(duì)模糊屬

3、性數(shù)據(jù)聚類上的不足，結(jié)合模糊概念格和低偏差模糊概率效用，提出一種集成模糊邏輯和低偏差性的F—CobWeb算法。本文采用理論分析和模擬實(shí)驗(yàn)相結(jié)合的方法展開研究，其主要研究?jī)?nèi)容如下： 1．總結(jié)了個(gè)性化推薦中Web聚類分析技術(shù)的研究現(xiàn)狀，介紹了兩種常用的聚類算法和Web數(shù)據(jù)預(yù)處理的流程，闡述了Web站點(diǎn)拓?fù)浣Y(jié)構(gòu)和動(dòng)態(tài)鏈接結(jié)構(gòu)的提取方法。 2．提出了一種基于K—means的用戶聚類算法CAKPS。該方法融合用戶訪問時(shí)間、點(diǎn)擊次數(shù)

4、、訪問順序三大因素建立訪問矩陣，結(jié)合頁(yè)面關(guān)聯(lián)度和絕對(duì)值倒數(shù)法提出用戶相似度公式，建立用戶相似矩陣。 3．提出了一種基于模糊概念格和CobWeb的頁(yè)面聚類算法F—CobWeb。該算法融合Web訪問日志和Web站點(diǎn)結(jié)構(gòu)，在模糊形式背景下建立頁(yè)面模糊概念格，利用改進(jìn)的低偏差模糊概率效用構(gòu)建概念分層，利用F—CobWeb算法自動(dòng)生成本體的概念表示和關(guān)系，并用本體來描述頁(yè)面聚類集。 4．設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于Web聚類的個(gè)性化推薦系