面向個性化信息服務的數(shù)據(jù)挖掘研究.pdf

1、隨著社會信息化進程的加快，Internet正在前所未有地改變著我們的生活，迅速增長的網(wǎng)絡信息形成了海量信息資源。由于缺乏搜索技能、導航工具落后等原因，用戶不能有效利用各式各樣的網(wǎng)絡資源。面對網(wǎng)絡信息服務的這種現(xiàn)狀，人們在尋求一種主動的信息服務方式，可以將用戶感興趣的信息主動推薦給用戶，這便是個性化的信息服務。
　　 個性化信息服務的本質(zhì)是實現(xiàn)“信息找人，按需服務”，即針對每一個用戶的特定信息需求提供特定的信息服務，基于不同用戶的

2、信息需求，進行高效的信息過濾。因此，如何更好地挖掘用戶的信息需求，是提高個性化信息服務質(zhì)量的關鍵問題。
　　 本文從用戶的信息需求出發(fā)，針對基于用戶瀏覽行為的用戶興趣度挖掘進行研究，并對傳統(tǒng)的協(xié)同過濾算法進行了改進，提出了一個基于用戶瀏覽行為的個性化推薦模型。本文的研究工作由以下兩個方面展開：
　　 (1)分析用戶瀏覽行為和用戶興趣之間的關系，在此基礎上建立用戶興趣度模型，將用戶的信息需求量化，以更好地輔助后續(xù)的挖掘工作

3、。
　　 (2)針對傳統(tǒng)協(xié)同過濾推薦算法在實時性問題上的不足，即目標用戶最近鄰查找速度較慢并且結果不夠準確，提出了對用戶空間進行K均值聚類的改進方法，從而縮小最近鄰的查找空間，加快了查找速度，并使查找結果更具代表性。
　　 本文提出的個性化推薦模型，采用了基于瀏覽行為的興趣度評分機制，并通過K均值聚類改善了推薦結果的實時性。該模型較傳統(tǒng)的個性化推薦在的速度和準確性上都有較大的改善，應用領域廣泛，為個性化信息服務的提供者提