自动对用户感兴趣的词进行加亮的用户个人代理

为了帮助用户浏览网页时更快的找到他所需要的信息,提出了一种新的用户个人代理当用户浏览网页时,这种用户代理可以为用户自动加亮所感兴趣的词.用户访问过的网页首先根据内容被分到事先分好的几个目录中,这个分类用于理解用户访问的上下文.在每个目录中可以根据用户的访问历史纪录,用统计的方法得到用户的兴趣地描述.这些个性化的描述,可以为用户快速浏览,定位所需要的信息提供很好的帮助.实验结果证明了该做法改善了用户对网页的浏览状况.     

基于聚类的智能网页推荐系统研究

设计了一种智能网页推荐系统的架构,其中包括数据预处理、聚类分析和网页推荐3个子系统,可以根据网站的访问日志来对用户进行自动分类,进而对网站的新用户在线提供网页推荐。提出了路径间距离的计算方法,进而研究了聚类子系统的结构,并通过对微软网站中用户访问日志的仿真实验,说明了所述方法的有效性。     

基于网页关键词的个性化Web推荐算法

个性化Web推荐系统是利用用户的浏览行为定制符合用户结构和内容的过程。在综合应用协作过滤和内容过滤方法的基础上,通过对网站网页关键词的评估,提出了一种新的个性化Web推荐算法,研究了基于网页关键词的个性化模型,网站页面中关键词的权重计算,基于协作过滤的新用户推荐,基于内容过滤的再次推荐方法,以及基于用户群的用户兴趣调整方法。实验证明,本算法能够以较高的效率对用户进行网页推荐。     

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.     

基于网页浏览内容的心理健康预测模型的研究

目前,世界各地的人们都饱受心理健康问题所带来的困扰,这为心理健康问题预防工作带来了新的挑战.如果心理健康状态可以利用网页浏览内容进行预测,就可以为心理健康问题预防工作开辟新的方向.本文探讨了利用用户的网页浏览内容预测其心理健康状态的可行性,并使用支持向量机建立了基于网页浏览内容的心理健康预测模型.为了验证该算法模型的有效性,我们与另外两种算法模型的预测结果进行了对比,结果表明,基于支持向量机的算法模型能够更加有效地预测用户的心理健康状态.     

基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型

对用户的Web浏览行为进行分析,既可以使用户减少等待时间,同时也能减轻网络负载.依据Web网站的层次结构特点,首先设计了基于Hash表的反向索引结构来提高数据的预处理速度;在此基础上,利用分层思想构建了基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型.给出了模型的设计思想、相关定义、模型框架以及模型中所涉及的关键构建方法等.最后,对模型进行了实验分析,结果表明在适当的预测准确率前提下,模型能够有效减少在预测时所需的候选网页数量,并大幅提升预测效率.     

基于ISAPI过滤器的网页防篡改系统

首先分析了几种常用网页防篡改技术的特点,然后提出并实现了一种基于ISAPI过滤器的网页防篡改系统.该网页防篡改系统可以高效地监控网页内容的变化,对于被篡改的网页文件能在其被用户访问之前自动加以恢复,使用该系统能方便网站的管理,并能帮助网站管理员及时地了解网站信息.     

基于网站结构的网络使用挖掘树化模型

根据网站的树形结构特点,提出了一种统一的树化模型对用户访问路径进行建模,解决了因使用原始访问路径产生的"过度比较问题",并通过采用适合该模型的网页相对位置的概念,大大减轻了原来由于使用网页绝对访问位置导致的误差。结果表明:树化模型能够提高用户访问行为的相似度识别率。     

基于网页浏览的用户兴趣度研究

根据高校校园网用户的网页浏览记录,着重分析用户在浏览网页时的不同行为兴趣特征.首先利用文本分类技术,分析提取出用户的兴趣行为关键词.其次在兴趣行为关键词的基础上,选取了若干典型个体用户,统计出这些典型个体用户网页浏览记录中对于每个兴趣关键词的访问量随时间变化的关系.最后运用归一化的方法对典型个体用户的兴趣度进行量化研究,从而实现了对于用户网页浏览过程中不同兴趣行为的度量以及进行相互比较的目标.     

基于网页浏览行为的分析

很多因素可以引起页面的发送请求,使用统计事件间隔的方法来过滤掉非正常访问的过程,并且对比事件间隔和时间间隔的分布规律,对用户浏览网页的行为进行分析.研究国内某高校局域网日志,统计结果显示:这个高校局域网用户访问网页的事件间隔分布也具有明显的规律性,且和用户访问网页的时间间隔分布表现出了明显的差异.     

基于网页可达性和平均载入时间的网站评估方法

给出了网页可达性和平均载入时间的定义,并为计算上述指标设计了到达网页路径的路径树生成算法(PTSA)·提出基于网页可达性和平均载入时间的网站评估方法,并对一个实际运行中的网站进行了分析·结果表明,网页所处层次和网页的大小是影响其访问难易程度的主要因素,网络传输速度对网站性能有重要影响·     

Web日志挖掘改进网站结构的研究

Web日志挖掘是目前Web挖掘研究的一个热点课题.针对Web日志挖掘中存在的问题,研究和分析了一个基于网站访问矩阵的路径挖掘算法.在此基础上设计和实现了一个Web日志挖掘系统(WLMS),通过发现用户访问的最优路径和网站访问的统计结果,改进网站性能和组织结构,提高用户查找信息的质量和效率.     

基于HMM的个性化智能推荐研究

Internet和电子商务的发展带动了对个性化智能技术的研究.提出基于隐马尔可夫模型的浏览兴趣发现方法,通过学习用户访问模式预测用户未来的网页请求,为不同需求的用户推荐所需服务,减少用户的无效操作.     

基于LQN模型的租户兴趣浏览路径挖掘

面向云计算环境中多租户应用的租户个性化服务需求,从多租户应用日志记录挖掘出租户兴趣浏览路径受到关注。针对传统的以浏览频度为主体的网络拓扑图研究问题,为了更好地找出租户在云平台网站上的兴趣网页,挖掘租户的兴趣浏览路径,综合租户对网页的浏览时长、接收字节数和浏览频度等多个要素定义租户兴趣度,构造租户执行图,纠正路径交叉状况以消除租户执行图中存在的多余路径,对循环路径中的对等节点进行整合以 消除循环嵌套,给出了 一种基于分层排队网（layered queue network, LQN)模型的租户兴趣浏览路径挖掘方法,在此基础上,借助广度优先遍历（breadth first search, BFS)算法进行挖掘。实验证明,改造后的LQN模型在租户兴趣浏览路径挖掘方面的效率有所提高。     

手持设备上基于隐式反馈的网页兴趣块提取

为使用户在手持设备上提取用户兴趣是重要基础,提出一种基于用户隐式反馈的方法。该方法从网页中提取兴趣块(用户感兴趣的网页内容),假设用户的浏览行为如在块上的停留时间、滚动次数、滚动速度、进入链接的次数等与用户是否对块感兴趣相关。从手持设备上的浏览行为中提取了34种隐式反馈特征,通过分析18个用户在608个网页的9474个块上的浏览行为,验证了其中29种特征与兴趣块的相关性,并且这种相关性能用于跨用户、跨网站的兴趣块提取。该文的研究成果可用于建立个性化的用户偏好模型,应用在手持设备上的自适应网页浏览中。     

手持设备上基于隐式反馈的网页兴趣块提取

为使用户在手持设备上提取用户兴趣是重要基础,提出一种基于用户隐式反馈的方法。该方法从网页中提取兴趣块(用户感兴趣的网页内容),假设用户的浏览行为如在块上的停留时间、滚动次数、滚动速度、进入链接的次数等与用户是否对块感兴趣相关。从手持设备上的浏览行为中提取了34种隐式反馈特征,通过分析18个用户在608个网页的9474个块上的浏览行为,验证了其中29种特征与兴趣块的相关性,并且这种相关性能用于跨用户、跨网站的兴趣块提取。该文的研究成果可用于建立个性化的用户偏好模型,应用在手持设备上的自适应网页浏览中。     

基于聚类的Web用户访问模式的算法研究

用户对Web站点的访问代表了用户对Web站点上页面的访问兴趣,这种兴趣程度可以通过用户对Web站点上页面的浏览顺序及页面上的浏览时间表现出来.通过对Web用户访问路径的分析,提出一种基于浏览路径及浏览时间的相似度的度量方法.然后,把粗糙度的概念引入Leader聚类算法中,提出粗糙Leader聚类算法.最后使用标准数据集进行了试验,证明基于此种相似度计算方法,应用粗糙Leader聚类算法Web用户的有效性.     

面向用户体验的大型网站网页分类更新策略

针对大型网站的网页特征,综合考虑网页时新性(更新度)、重要性及对Web服务器的友好性等因素,设计了一种面向用户体验的分类网页更新策略(三类别更新策略).根据网页变化的快慢,将网页分成速变、多变及少变3类,然后根据用户行为确定不同类别网页的更新速度和更新时间段,从而实现分类网页更新.实例分析表明,这种策略提高了搜索引擎中大型网站网页更新的效率,缓解了Web服务器的压力,并可保证用户对于检索结果的及时性和正确性.     

基于改进的PageRank的网页信息可信度评估方法

提出了一种基于改进的PageRank的网页信息可信度评估方法,该方法既考虑了网页间的交互结构,也考虑了网页信息主题间的语义关系.由于网页信息内容具有不同的发布时间,在进行可信度评估过程中,还引人了时间衰减函数,从而反映时间这一要素的影响.实验结果表明,所提出的可信度评估方法是有效的,可以为用户提供可信度较高的网页.     

基于隐马尔可夫模型的Web网页预取

为了缓解网页访问延时的问题，提出了一种基于隐马尔可夫模型的网页预取方法。该方法借助隐马尔可夫模型，挖掘蕴涵在用户访问路径中的信息需求概念，以此进行预取页面的评价，最终实现基于语义的网页预取，实验结果表明，该方法具有较好的预取准确度。