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。     

用户浏览偏爱模式挖掘算法的研究

针对当前的挖掘算法只是简单地把频繁访问路径作为用户浏览的兴趣路径的问题，充分地考虑了用户在页面上的浏览时间和在路径选择上表现出来的浏览偏爱，提出了基于远程代理数据收集的浏览偏爱模式挖掘算法。该算法先利用客户端的远程代理收集用户浏览信息，然后划分成用户事务，最后利用一个递归过程找出用户浏览偏爱模式。实验证明：该算法比当前的频繁访问路径算法在用户浏览兴趣度量上更准确。     

基于广义序列方法的科学平台用户浏览方式挖掘

为了分析网络用户的浏览行为特征,实现科学平台的网络个性化服务,用广义频繁子序列挖掘算法,该算法挖掘Web服务器日志中的用户浏览路径,设计科学平台用户的浏览模式,为用户提供主动式信息服务.经过对日志文件的预处理,得到用户会话文件,然后采用广义频繁子序列挖掘算法对用户浏览模式进行识别.实际应用表明,这种广义频繁子序列识别方法能够有效地发现用户的兴趣所在,从而更好地为用户在线浏览提供帮助.     

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。     

高校图书馆搜索引擎中Web挖掘的应用研究

针对高校学术信息资源检索的精确度问题,提出了运用Web挖掘的高校图书馆搜索引擎系统。它主要对Web使用记录挖掘及其用户兴趣模型的建立进行了详细分析。首先它阐述了高校图书馆搜索引擎系统的4个过程,其中主要提出建立用户兴趣模型时采用的一种利用用户浏览页面集的内容信息和浏览行为信息,隐式地创建用户兴趣描述文件的方法;然后阐述了高校图书馆搜索引擎系统的各处理模块;最后设计了结合Web数据挖掘的高校图书馆搜索引擎系统操作过程,保证了所创建的用户兴趣模型的准确性,从而有效地提高高校图书馆搜索引擎系统的查准率。     

个性化推荐系统中用户兴趣模型的研究

针对现有用户兴趣模型在模型建立和更新阶段的缺陷,文章设计了一种基于用户浏览内容和浏览行为的隐式自反馈用户兴趣模型。采用短期和长期兴趣来建立和表达用户兴趣,并采用基于时间窗口机制来更新短期兴趣,时间遗忘机制来更新长期兴趣。同时发现用户的关联兴趣,克服单集模式下的不足,更加全面的反映用户的多方面兴趣。     

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。     

WEB数据挖掘中用户兴趣模型设计

通过跟踪用户的兴趣与行为提出一种采用显示和隐式相结合的方式创建用户兴趣模型的方法.对用户浏览的WEB页面和用户浏览网页的浏览行为进行分析,得到用户兴趣模型.     

面向用户行为的Web使用挖掘技术

网络技术的广泛使用,使网站争夺用户的竞争愈演愈烈,用户的浏览兴趣、行为模式是网站设计的导向标.对Web使用挖掘的数据收集与预处理技术、模式发现与模式分析技术的理论和方法进行了梳理以及Web使用挖掘在电子商务中的应用,并对Web使用挖掘研究中存在的问题做了一些探讨.     

移动通信中V2．5．1流失预测模型的建立

V2.5.1流失预测模型是移动公司进行客户流失预测的模型.采用数据挖掘技术,从数据理解、数据准备、建立模型、模型评估和模型发布等五个阶段,详细介绍了移动通信企业中客户流失预测模型的建立过程和方法.     

数据挖掘:实现有效CRM的动力

从介绍CRM的有关原理出发，着重阐述了数据挖掘在CRM中的技术应用和商业价值，其中数据挖掘的商业价值部分着重从客户生命周期角度展开探讨。     

数据仓库和数据挖掘技术在CRM中的应用研究

介绍了数据仓库与数据挖掘的概念,具体对数据仓库与数据挖掘在客户生命周期中发现新客户、挖掘现有客户价值以及保持老客户3个不同阶段的应用进行了分析.     

数据挖掘技术在银行业的应用

随着技术的进步、市场规模的扩大以及分工交易方式的发展,银行业的经营环境也因信息技术发展的影响而不断改变,银行业面临着愈加激烈的竞争。通过建立数据仓库,使用数据挖掘技术,挖掘出为银行创造利润的客户,从复杂的客户信息中建立模型,能够降低成本与风险,提高效益。     

基于数据挖掘技术的客户关系管理系统

针对数据挖掘技术是实现客户关系管理的重要工具，介绍了客户关系管理系统，着重分析了应用在CRM中的数据挖掘技术，探讨了其商业价值。     

基于数据挖掘技术的核心客户的识别

在RFM模型的基础上,根据具体行业的特点,提出了客户重要度测量模型,并且利用数据挖掘技术——决策树算法进行核心客户的特征提取,最后就某一企业的实际情况进行实证研究,为企业进行一对一营销或客户服务提供支持.     

数据挖掘及其在电信客户流失中的应用

以某电信公司的历史数据为对象,运用数据挖掘技术,建立了基于决策树、神经网络和Logistic回归的三种客户流失预测模型.并对高价值高流失概率的客户进行K-means聚类分析,得到具有不同使用特征的五群客户,为对不同的流失客户群体提供针对性的营销策略提供了依据.     

基于顾客需求的轿车感觉特性设计支持技术

针对产品设计亟待解决的感觉特性设计问题,提出了以顾客感觉偏好为导向的产品感觉特性设计支持技术框架.以轿车产品为例,建立了产品感觉特性评价量表,运用多元回归分析方法,构建了顾客感觉偏好与轿车感觉特性关系模型,从图库中另选8张图片进行评价,验证了模型的可行性;在此基础上,对轿车外观设计变量作型态分解,应用数量化I类指导思想建立了轿车感觉特性与设计变量关系模型.     

基于随机利率的煤炭资源采矿权估价双因素模型

煤炭资源采矿权具有和股票看涨期权一样的期权特性,本质上是一种按年度执行的多期看涨期权。利率变动将直接影响煤炭资源采矿权价值,实证研究表明Vasicek利率模型能较好地拟合我国无风险利率变动过程。建立了基于Vasicek随机利率的煤炭资源采矿权估价双因素模型,通过一实例对该模型进行了运用,结果表明该模型较现金流量法更能反映资源所有者的权益,并且随着均值回复系数的增大,运用该模型得出的采矿权价值将变小。     

基于兴趣度的聚类协同过滤推荐系统的设计

协同过滤技术被成功地应用于个性化推荐系统中.随着用户数目和网页数目的日益增加,整个用户矩阵数据极端稀疏并且实时性效果不理想.传统的推荐方法解决不了这些问题.本文结合兴趣度和聚类技术对客户的个人兴趣进行评价,提出了基于兴趣度的聚类协同过滤推荐系统,实验表明,该算法能够有效避免传统方法带来的弊端,提高系统的推荐质量.