基于Web日志挖掘的個(gè)性化推薦方法研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，Web被廣泛的應(yīng)用于人們的日常生活、學(xué)習(xí)、工作以及娛樂活動(dòng)中。Web可以比作為一個(gè)巨大的信息收集站，它存儲(chǔ)著各種各樣的人們所需要的資料信息。在這個(gè)信息充足而知識(shí)貧乏的時(shí)代，由于信息種類的繁多，使得用戶容易在龐大的信息中迷失，基于Web日志挖掘的個(gè)性化推薦可以有效的解決這個(gè)問題。
　　結(jié)合Web日志挖掘的個(gè)性化推薦的核心是推薦的方法，也是本文研究的重點(diǎn)。馬爾可夫(Markov)預(yù)測模型簡單易行，是一種應(yīng)用廣泛的

2、統(tǒng)計(jì)模型，近年來開始應(yīng)用于用網(wǎng)頁預(yù)測且比較適合作為智能推薦系統(tǒng)的預(yù)測模型。本文針對Markov預(yù)測模型在Web數(shù)據(jù)挖掘的個(gè)性化推薦中的應(yīng)用研究做了以下幾點(diǎn)工作:
　　1、對Web日志挖掘和個(gè)性化推薦的方法進(jìn)行研究，重點(diǎn)研究了Web日志挖掘預(yù)處理技術(shù)，給出了各階段的算法。然后分別對傳統(tǒng)Markov預(yù)測模型、混合Markov預(yù)測模型、多Markov鏈模型在構(gòu)建過程以及預(yù)測方法進(jìn)行了研究。
　　2、基于Markov預(yù)測模型提出一種

3、改進(jìn)算法。該算法用混合樹結(jié)構(gòu)代替?zhèn)鹘y(tǒng)的狀態(tài)轉(zhuǎn)移矩陣，能同時(shí)進(jìn)行多階預(yù)測；利用用戶頻繁路徑代表用戶特征，通過比較頻繁路徑之間的相似度進(jìn)行用戶分類，降低了用戶分類過程的復(fù)雜度；引入網(wǎng)頁聚類思想，不僅進(jìn)一步壓縮存儲(chǔ)空間，且使高階序列具有較高的匹配度，使推薦結(jié)果更加準(zhǔn)確。通過實(shí)驗(yàn)證明了改進(jìn)算法的優(yōu)越性。
　　3、針對改進(jìn)算法設(shè)計(jì)基于Web日志挖掘的個(gè)性化推薦原型系統(tǒng)。原型系統(tǒng)包含離線部分和在線部分，細(xì)分為預(yù)處理模塊、模式挖掘模塊、推薦模塊