基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)的設(shè)計(jì).pdf

1、當(dāng)今社會(huì)，IT和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展給人們帶來(lái)了無(wú)限機(jī)遇和財(cái)富，但與此同時(shí)，其每時(shí)每刻也都在產(chǎn)生著數(shù)以億萬(wàn)計(jì)的數(shù)據(jù)量。如果沒(méi)有一個(gè)好的辦法發(fā)掘出其中潛在的信息，就無(wú)法為用戶提供更加優(yōu)質(zhì)的服務(wù)。從海量數(shù)據(jù)中提取特定網(wǎng)絡(luò)用戶與互聯(lián)網(wǎng)的交互行為數(shù)據(jù)并進(jìn)行分析和研究就是一個(gè)比較好的辦法，也是學(xué)習(xí)和發(fā)掘用戶興趣和需求的有效手段;推薦系統(tǒng)是按照特定用戶的興趣和需求，以互聯(lián)網(wǎng)為平臺(tái)為他們提供“個(gè)性化”服務(wù)的系統(tǒng)。本文所做研究包括:
　　(1)研

2、究了基于內(nèi)容的推薦系統(tǒng)。本文首先對(duì).Pcap文件和數(shù)據(jù)包的結(jié)構(gòu)進(jìn)行了研究;之后通過(guò)對(duì)HTTP和TCP協(xié)議通信原理的研究，提取到了網(wǎng)頁(yè)文本的URL等關(guān)鍵數(shù)據(jù);然后分析了特征提取和特征降維的相關(guān)算法，得到了由特征詞和對(duì)應(yīng)權(quán)重構(gòu)成的特征向量，并構(gòu)造了向量空間模型(VSM);研究了文本聚類的相關(guān)理論和可用算法，并結(jié)合向量空間模型、BWP指標(biāo)、k-means聚類算法、余弦度量和平方誤差準(zhǔn)則等建立了第一次文本分類模型;在推薦環(huán)節(jié)中研究了基于內(nèi)容的推

3、薦系統(tǒng)，確定了推薦方法，完成了基于網(wǎng)絡(luò)用戶行為分析的用戶推薦系統(tǒng)的設(shè)計(jì)。
　　(2)提出了基于信息熵的二次聚類改進(jìn)推薦算法。通過(guò)對(duì)信息熵相關(guān)理論的研究，明確了信息熵可以作為精確推薦的一種衡量標(biāo)準(zhǔn)和定量度量，并以此為二次聚類推薦模型建立了理論基礎(chǔ);提出并利用了最鄰近熵差、最鄰近熵差閾值、平均熵值逼近等信息熵相關(guān)概念和公式對(duì)初始聚類簇?cái)?shù)、簇心以及最終推薦內(nèi)容進(jìn)行了判斷和計(jì)算;然后結(jié)合向量空間模型、最鄰近熵差閾值、平均熵值逼近、連續(xù)型隨

4、機(jī)變量的均勻分布以及確定了初始聚類簇?cái)?shù)和簇心的k-means聚類算法建立了第二次文本分類模型;之后通過(guò)對(duì)對(duì)數(shù)函數(shù)的擬合以及同時(shí)結(jié)合距離和信息熵值度量的方式得出推薦結(jié)果的個(gè)數(shù)和內(nèi)容，完成了基于信息熵的二次聚類推薦模型的構(gòu)造。
　　(3)設(shè)計(jì)了相關(guān)實(shí)驗(yàn)對(duì)基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)和基于信息熵的二次聚類改進(jìn)推薦算法性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果顯示，本課題設(shè)計(jì)的基于網(wǎng)絡(luò)用戶行為分析的用戶推薦反饋系統(tǒng)能夠成功實(shí)現(xiàn)對(duì)特定用戶的相關(guān)推薦