基于Web浏览的高校图书馆用户个性化研究

本文对当前主要的Web挖掘技术和高校图书馆用户兴趣建模技术进行了分析,提出了以高校图书馆用户在高校图书馆网站浏览内容分析为主,浏览行为分析为辅的高校图书馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

基于Web浏览的高校图书馆用户个性化研究

本文对当前主要的Web挖掘技术和高校图书馆用户兴趣建模技术进行了分析,提出了以高校图书馆用户在高校图书馆网站浏览内容分析为主,浏览行为分析为辅的高校图书馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

Web日志挖掘技术及其在电子商务中的应用

近年来,由于电子商务、电子图书馆、远程教育等的应用,对Web站点设计和功能提出了更高的要求, 要求Web站点具有智能性。介绍了目前世界上两种主要的Web曰志挖掘技术(基于Web事务和基于数据立方体),同时,提出了基于Web目志挖掘技术的应用,主要讨论了站点的在线推荐和用户自适应的Web站点设计问题,在此基础上简单介绍了一个Web日志挖掘系统原型AdaptiveWeb。它可创建用户自适应的Web站点,使其具有部分智能。     

一种基于Web挖掘的信息自动分类系统

探讨了Web挖掘的相关理论，包括Web文本信息的表示及特征提取，关联规则分析和信息分类，综合Web挖掘的关键技术，提出了一个基于Web挖掘技术的信息分类模型系统，使用户能够对已分类的资源进行浏览、检索，从而更方便、快捷地获取所需信息。     

一种基于客户端的用户浏览行为的采集方法

Web使用挖掘技术通过挖掘并分析用户对Web站点的访问模式,在帮助Web站点调整结构,确定产品的市场战略,提高商业活动的效率等方面存在广泛的应用前景。如何得到准确的用户浏览行为信息,是Web访问挖掘研究的一个重点。本文主要对在客户端获取准确的用户浏览行为信息的过程进行了研究。     

基于偏爱路径的个性化推荐系统

目的设计实现基于偏爱路径的个性化推荐系统原型。方法通过建立Web站点访问的一种矩阵表示模型,并据此挖掘用户浏览偏爱路径。结果分析了偏爱度与置信度的区别,提出了页面平均兴趣度的概念,改进了用户浏览偏爱路径算法。引入页面平均兴趣度的概念,给出了Web站点访问的一种矩阵表示模型,在此基础上挖掘用户浏览偏爱路径。结论该方法能准确地反映用户浏览兴趣,证明该系统具有较高的准确性。     

一种基于客户端的用户浏览行为的采集方法

Web使用挖掘技术通过挖掘并分析用户对Web站点的访问模式,在帮助Web站点调整结构,确定产品的市场战略,提高商业活动的效率等方面存在广泛的应用前景.如何得到准确的用户浏览行为信息,是Web访问挖掘研究的一个重点.本文主要对在客户端获取准确的用户浏览行为信息的过程进行了研究.     

基于Web数据挖掘的用户兴趣获取

本文作者结合自身多年实践经验,结合跟踪用户兴趣以及行为提出了一种显性方式与隐性方式紧密结合的方法,最终提出了建立用户兴趣模型的手段。并且进一步针对用户浏览Web页面以及浏览网页的这种行为予以详细分析,进而得出了用户兴趣模型,掌握了用户兴趣的获取方式,希望可以对读者产生一些积极影响。     

网络教育资源浏览的导航模型及其挖掘算法

将Web使用挖掘应用到网络教育领域,分析了其挖掘过程,包括数据采集、数据预处理、模式发现和模式分析;通过建立网络教育资源导航模型,并利用蚁群算法对Web日志数据中使用者的浏览行为进行挖掘;提出一个新的导航路径挖掘算法,可以发现有价值的用户浏览模式,指导用户对教育资源作进一步的搜索,还可以将训练好的网络图用于用户的个性化定制服务。     

基于隐马尔科夫模型的浏览兴趣预测

Web上的信息量正以惊人的速度增加,人们迫切需要能自动地从Web上发现、抽取和过滤信息的工具,即如何从数以亿计的页面中发现需要的内容、如何从大量的访问中发现固有的模式和关联.马尔科夫模型的网页浏览预测,仅仅从用户的浏览网页本身出发,预测用户的下一步链接,并不能捕获到用户的真正兴趣.本文提出基于隐马尔科夫模型的网页浏览路径预测,并将其与基于马尔科夫模型的方法进行对比.根据已知的浏览序列判断用户的类别,当浏览序列长度很短时,本文方法的预测准确性比马尔科夫模型低.这是由于序列长度过短,系统获取判断的信息少,增加了对用户错误分类的可能性.随着浏览序列长度逐渐增加.系统捕获的用户浏览信息越来越多,进而能够折射出用户的兴趣所在.预测准确率也逐步增加.当浏览序列长度大于或等于8时,预测准确率已经到达80%.提高了浏览兴趣预测的准确率.     

基于网络内容和结构数据的用户浏览模型

Web推荐系统能为用户提供有针对性的个性化服务。但目前基于协同过滤和使用挖掘的推荐系统存在着诸如数据信息的不完整或不正确，推荐精度和质量不高等问题。为提高推荐系统的性能，必须将站点的内容和结构信息以及用户行为数据集成形成混合模式推荐系统，在推荐引擎里统一使用。基于此，本文提出一种新型Web推荐系统框架，能够将站点的内容，结构和用户的浏览行为综合考虑形成用户浏览模型，通过用户模型向用户推荐资源，初步实验表明该模型能有效改善推荐系统的性能。     

Web用户模式

根据用户的浏览操作，对用户相似的浏览过程提出了一个基于文档关键词的聚类算法，进而生成了Web个性化的用户模式，它能帮助Web用户从搜索引擎所返回的大量文档中筛选出自己所需要的文档，从而提高用户信息检索的准确性和效率。     

基于Web日志的因特网协作推荐系统的研究

针对当前推荐系统研究中存在的问题，提出了一个基于Web日志的Internet协作推荐系统。它在用户浏览兴趣度量时综合考虑了页面访问次数、浏览时间的长度和页面的大小，然后将具有相似用户浏览兴趣的页面进行推荐。算法过程如下：先对Web日志进行预处理后得到用户事务，然后对这些用户事务进行各个页面的浏览兴趣矢量表示，最后通过推荐引擎生成实时推荐。经实验表明，该系统比其他方法推荐的网页点击率高。     

Web2．0时代OPAC革新的思考

阐述了Web2．0环境下OPAC发展中所面临的来自自身和互联网的挑战,并以浙江万里学院图书馆的OPAC系统为例,提出采用Web2．0技术,通过简化检索界面、建立分面导航、提供检索帮助、相关度排序、挖掘深层信息、加强用户参与性等方法改进OPAC系统,实现OPAC“以用户为中心”的革新理念,从而最大限度地满足用户多样化的需求。     

基于少量示例的个性化Web信息自动获取系统

基于关键词的搜索引擎满足了人们一定的需要,但由于其通用的性质,并不能满足用户的个性化需求,为此,设计并实现了一个基于示例的个性化Web信息自动获取系统.该系统采用了一种新的基于少量Web示例网页和语料库词频统计的特征抽取算法和过滤阈值设定方法.实验结果表明,较基于关键词的搜索引擎而言,该系统能充分考虑用户的兴趣偏好(示例),长期、主动地向用户提供更加准确的Web信息获取服务.     

基于Web挖掘的图书馆个性化服务系统研究

文章提出一个兼顾虚拟与物理世界信息服务的图书馆个性化服务系统结构及读者信誉度评估模型,运用Web挖掘技术对图书馆MELINETS系统中大量的Web流通日志记录进行挖掘,构建一种能反映不同用户个体和群体信息使用行为、习惯及其变化特征的动态的读者信誉度评估机制,用以科学地划分读者群,设计了能提供满足读者个性特征和需求的个性化服务功能及其组合,为进一步开发与应用图书馆个性化服务系统提供了技术基础。     

浅析基于Web2.0的高校图书馆服务

基于Web2.0的Library2.0已经成为当前各高校图书馆发展的主要趋势,它对高校图书馆的服务也提出了新的要求。介绍了基于Web2.0的Library2.0,阐述了Web2.0时代高校图书馆的服务创新,提出了Web2.0对图书馆员的新要求。     

一种基于Web日志挖掘的用户偏爱度度量方法

分析了用户访问Web站点的浏览日志,度量用户的浏览行为.实验从实际获得的Web日志着手,进行Web日志的挖掘,提取用户浏览Web的行为特性数据.通过时间阈值进行会话的划分,选取合适的数据预处理,归一化后生成数据模式向量,引入人工神经网络中的自组织特征映射(SOM)模型,对用户访问倾向聚类,对用户浏览的偏爱度进行度量,为Web站点的进化提供依据.     

基于关联规则的Web日志个性化挖掘

Web作为目前Internet的主要信息发布渠道,已经显示出巨大的商业价值和应用潜力,因此分析和掌握用户在访问Web站点时的行为成为Web站点管理员十分关心的问题.文章阐述了利用用户浏览网页的方法,通过挖掘Web服务器中的日志文件（Weblog）,探寻用户访问的热门路径,来帮助管理员改善站点的设计和企业改进市场商务决策.     

基于Web日志的混合挖掘模型研究

在电子商务环境下,提出一种基于Web日志抽取用户兴趣模式的混合挖掘模型MMA(mixed mining algorithm),该模型克服了单纯挖掘浏览模式或关联规则的不足,综合考虑用户的浏览和购买行为,能够有效捕获用户兴趣,获得潜在的商机,并为用户提供个性化的服务.