网站个性化服务中WEB数据挖掘技术应用研究

阐述了网站个性化服务中WEB数据挖掘技术的概念和具体的形式,并探讨了WEB数据挖掘技术的流程,详细分析了3种主要网站个性化服务的技术特点。     

WEB文本挖掘中用户兴趣模型的建立和更新

面对因特网的海量信息,为实现web文本挖掘,可建立用户兴趣模型,使用户很方便地获取所需的有用信息,排除无用信息。在建立这一模型之初,要通过观察用户行为,分析web页面与用户兴趣的相关度,利用静态和动态相结合方法给出一个“兴趣指数”,在此基础上,运用Web文本挖掘技术,通过计算与文本的匹配程度,将满足约定条件的文本推荐给用户,从而利用相关反馈建立和更新用户兴趣模型。     

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。     

XML与WEB数据挖掘技术

数据挖掘技术的核心部分已发展了近十年,研究领域涉及数理统计,人工智能,机器学习等,当今,随着人们对数据的需求的不断加强,以及WEB技术的飞速发展,使得数据挖掘技术又向前迈进了一步,面向WEB的数据挖掘是目前数据挖掘技术的一大热点,但由于WEB数据的存在方式的特殊性,使WEB数据挖掘变得十分复杂,而XML的出现,为WEB数据挖掘技术带来了巨大的发展契机。     

电子商务中WEB数据挖掘技术的应用

在电子商务活动中,WEB数据挖掘成为商务活动的迫切需求。WEB数据挖掘技术综合运用Internet技术、人工智能、信息学、统计学等多领域技术,从包括服务器数据、WEB日志文件、查询数据、客户登记信息等既有信息中,运用协同过滤、关联规则等技术挖掘有益信息,促进电子商务的进一步发展。     

基于用户兴趣挖掘的个性化搜索引擎研究

随着互联网应用的不断深入,搜索引擎已经成为互联网信息检索必不可少的工具。传统的搜索引擎由于没有考虑到用户个人的兴趣爱好,无法满足人们信息需求的多元化趋势,因此个性化搜索引擎逐渐产生和发展起来,基于用户兴趣的个性化搜索服务越来越受到用户的欢迎。     

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。     

关于个性化搜索引擎中用户兴趣模型的研究

针对个性化搜索引擎中不能准确建立用户兴趣模型的问题,通过分析用户有效的搜索行为,得到用户感兴趣的网页,并根据用户对网页的操作情况,得到用户对网页的兴趣程度,据此改进TF-IDF公式,得到用户的兴趣特征词及其权重,建立用户兴趣模型;并根据更新时间因子来实现用户兴趣模型的动态更新.实验结果表明,通过此种方法建立的用户兴趣模型,更加准确地反映了用户的兴趣爱好,提高了搜索结果的准确度.     

个性化搜索中用户兴趣模型匿名化研究

为了解决个性化搜索技术所潜在的用户隐私信息泄露的问题,提出了用户兴趣模型匿名化方法。首先根据用户兴趣模型之间的相似性将其聚类为满足p-链接性的等价组,然后计算聚类后兴趣条目的权值。所谓的p-链接性是指攻击者根据背景知识链接确定某一用户的概率不超过p。该方法可实现用户兴趣模型匿名化以及兴趣倾向不发生改变,既保护了用户隐私信息,同时也保证了个性化检索性能。实验表明:随着相关结果个数的增多,匿名化后搜索结果的查全率基本能保证在50%以上,另外p-链接性的减小对于查全率的影响并不是太大。     

WEB使用记录挖掘研究

随着WWW上资源的与日俱增，如何使用有效的方法从中获取所需的信息，成为研究人员所面临的一个重要问题、WEB数据挖掘是将传统的数据挖掘技术和理论应用于对WWW资源进行挖掘的一个新兴研究领域、该文介绍了WEB数据挖掘的概念和分类，重点分析了WEB使用记录挖掘的基本原理、方法和过程，同时指出了WEB使用记录挖掘未来有价值的研究方向。     

基于FLAAT模糊的WEB挖掘算法

为了挖掘出较完全的兴趣模式，提出一种新的结构类型——FLAAT，它可发现那些被忽略的用户浏览偏爱路径。同时引进模糊集来处理停留在网页上的时间，以形成语义术语使挖掘出的用户浏览偏爱路径更自然、更易理解。实验表明，该算法能准确地反映用户的浏览兴趣，且系统的可扩展性较好。     

基于数据挖掘的WEB内容过滤系统模型

一、前言由于互联网的开放性以及信息的丰富性,互联网在提供了大量有益信息的同时,也夹带了大量的不健康信息。此外,网络病毒、垃圾邮件等也给广大的互联网用户带来了不少烦恼,引发了很多社会问题,甚至是国家安全问题。由于互联网的高匿名性、高隐私性、高互动性和无地域性等特点,使得互联网上的有害内容很难有效管理和制约。在这一背景下,如何建立一个高效的网络内容过滤系统,对网络内容进行有效过滤,保护广大网民健康上网是当前需研究的一个问题。为了过滤色情、暴力等互联网不良信息,科研人员进行了大量的研究。但现有的技术相对比较单一…     

基于RSS技术的用户兴趣模型构建

机构知识库是以资源共享为导向的学术交流渠道,具有很好的研究价值.本研究主要工作如下:①借助RRS的工作原理及技术,实现机构知识库中资源的有效整合;②引入本体概念以构建用户兴趣模型,用基于本体加权向量模型表示RSS源;③给出了显示和隐式两种信息收集的权值估计方式,据此构建了基于RSS的兴趣模型.     

从商务网站用户行为数据提取用户兴趣

在研究Web挖掘的基础上,提出一种综合考虑路径信息和页面滞留时间的用户 兴趣度量方法,这种方法能够比原有的方法更准确地反映用户兴趣。同时提出一种根据用户行 为数据发现兴趣迁移模式的算法。     

根据用户隐式反馈建立和更新用户兴趣模型

提出一种通过获取用户的隐式反馈信息建立和更新用户兴趣模型的方法．这种方法不需要用户显式地提供兴趣信息，只要通过观察用户在浏览Web页面时所采取的动作来获取隐式的反馈信息，并利用这些信息建立与更新用户兴趣模型，从而减轻用户的负担．     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet的迅猛发展,个性化信息服务越来越成为信息检索领域的研究热点．本文针对用户兴趣模型构建问题,利用用户兴趣树描述用户兴趣,对用户个性化模型进行研究,并提出一种兴趣模型调整算法．模拟实验表明,该模型能有效提高信息检索的查准率．     

用户兴趣模型在个性化搜索引擎中的应用

随着Internet的迅猛发展,个性化信息服务越来越成为信息检索领域的研究热点．本文针对用户兴趣模型构建问题,利用用户兴趣树描述用户兴趣,对用户个性化模型进行研究,并提出一种兴趣模型调整算法．模拟实验表明,该模型能有效提高信息检索的查准率．     

用户偏好建模：考虑长期与短期兴趣因素

鉴于电子商务网站推荐系统的需要,将用户兴趣分为长期兴趣和短暂兴趣,并提出一种基于长期兴趣和短暂兴趣的用户偏好表示法.利用web服务器数据库的数据,采用无监督学习方法,对用户注册信息进行挖掘,提取出用户长期兴趣.基于向量映射,对web服务器日志上的用户使用记录数据和内容数据进行分析,提取用户短暂兴趣.通过用户反馈信息修正"粗糙"用户偏好文档,使得用户偏好文档更新得以实现.最后,应用了实证案例验证了该方法的合理性和有效性.     

基于多Agent搜索行为分析的用户兴趣模型

为解决传统搜索引擎个性化的局限性问题,在研究用户感兴趣搜索引擎现状基础上,通过多Agent较全面记录、分析用户搜索的行为,提出了一种新的综合用户搜索行为,构建用户感兴趣搜索引擎研究框架--基于多Agent搜索行为分析的用户兴趣模型。研究结果表明,依据用户搜索行为构建用户兴趣模型,使搜索引擎返回结果更贴近用户需求。满足用户个性化服务,提高了信息搜索的查全率和查准率。     

基于综合用户信息的用户兴趣建模研究

为实现个性化服务,理解用户兴趣成为提供搜索服务的关键任务,因此针对传统的用户兴趣建模技术的一些不足,提出了基于浏览内容、浏览时间和操作时间的综合用户兴趣建模方法,将VSM和SVM引入用户兴趣模型的构建,并在此基础上给出了推荐系统的框架,实现了基于此模型的推荐系统.试验结果显示,系统较好的实现了用户感兴趣信息的推荐.