基于Web挖掘的网站优化系统

利用Web数据挖掘技术,对用户未来的访问进行预测和推荐,是实现网站柔性个性化服务的研究方向之一。本文简要阐述了Internet个性化服务的基本概念,研究了Internet个性化服务的体系结构和关键技术。以改进网站的设计,提高网站的访问率。介绍了典型的个性化服务应用,指出了有待研究的方向。     

基于Web使用挖掘的资源网站优化

如何实现网站结构优化与个性化服务是当前教学网站建设的两大热点,Web挖掘则是解决这类问题的最有效的方法.文章提出了基于Web使用挖掘的教学资源网站优化体系结构的框架模型,具体介绍了离线分析与在线处理两个阶段的实现过程.     

Web日志挖掘中重构网站结构技术

提出了一种重构网站结构的方法,并将此方法应用于Web日志挖掘的数据预处理中．实验表明,本方法能够更好地还原用户访问情景,为Web日志挖掘提供有效数据。     

基于Web挖掘的用户个性化服务研究

随着WWW的广泛应用及相应的Web技术的出现．使数据挖掘的研究进入了一个新的阶段。Web日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理，解决网络用户的个性化服务问题。论文主要论述了一个更新的频繁路径集的Web挖掘算法在网络用户个性化服务中的应用。     

Web数据挖掘技术

本文介绍了数据挖掘技术在远程教育中的应用,为了更好的实现远程教育技术,对源数据的收集、数据的预处理、数据挖掘及个性化智能学习系统做了较详尽的介绍。肯定了数据挖掘技术给我们提供了“变废为宝”、“化繁为简”、“从模糊到清晰”的巨大帮助。     

Web日志挖掘在二手车网站中的应用研究

中国地域辽阔导致不同地区二手车的销售量和销售价格有着非常大的差别,掌握各地区各种车型的销售量和价格趋势,二手车销售公司就可以通过不同地区车源的差价获得丰厚利润。本文介绍了Web日志挖掘的过程及其在二手车网站中的应用情况。     

使用Web挖掘技术优化图书馆数字资源管理

传统的图书馆数字资源管理往往以系统自身为中心,没有充分考虑用户的个性化需求。本文使用Web挖掘技术,对用户使用数字资源的访问行为进行深入分析、捕获有益数据,形成完善的数字资源使用数据分析体系,既提高了资源的使用效率,也满足不同用户的个性化需求,提高了图书馆服务性能。     

Web挖掘数据预处理的研究

通过对Web挖掘和预处理技术的研究,提出了针对不同类型Web挖掘的数据预处理方法.     

Web数据挖掘系统体系结构的研究与设计

随着计算机技术和Web技术的日益发展,Web的数据量越来越大,如何从庞大的数据量中挖掘出自己需要的信息,越来越成为人们的需要。本文以此为目的,设计了一个Web数据挖掘系统的体系框架,为后续的实现打下了基础。     

Web数据挖掘技术的研究

介绍了web数据挖掘的概念及其分类，对数据挖掘技术的研究进行综述，并进一步阐述了web数据挖掘在电子商务中的应用前景。     

基于Web使用挖掘的个性化推荐服务研究

本文研究结合网站结构和页面内容以辅助Web使用挖掘,提高推荐服务质量。并在相关理论与研究的基础上,给出一种关于推荐因子的综合计算方法,经推荐质量分析,该方法具有较好的推荐优化能力。     

基于Web的挖掘研究

首先描述了数据开采，及Web数据挖掘，最后提出了Web数据挖掘的发展方向和趋势。     

挖掘频繁波动的Web访问模式算法研究

考虑到Web访问数据的动态特性,给出了一个从Web访问日志历史演变中挖掘频繁波动的Web访问模式的方法.首先采用无序树结构表示用户历史访问页面序列集合,然后给出了频繁波动Web访问模式的详细定义以及挖掘算法描述,最后,根据数据集中访问序列的大小和数量变化对于算法扩展性和性能的影响进行了实验.结果表明,该算法具备良好扩展性的同时,能够比较高效地提取出频繁波动的Web访问模式.     

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。     

Web数据挖掘技术初探

Web数据挖掘是目前信息技术中的研究热点,它是现代科学技术相互渗透与融合的必然结果。讨论Web数据挖掘技术中各种类型的Web数据挖掘的基本过程以及它们所使用的一些相关技术,分析Web数据挖掘的特点及面临的挑战.     

基于Web使用挖掘的实时聚类算法

本文讨论了基于Web使用挖掘的Web个性化技术,针对个性化系统的功能及特点,论述了相关数据采集、数据预处理技术和模式发现及其在个性化服务中的应用,提出了一个关于个性化系统的实时聚类算法.实验结果表明,该算法不仅有效,而且具有较高的准确度,能适应用户短期浏览的变化.     

基于关联分类方法的Web使用挖掘研究

如何对网上用户分类是W eb挖掘领域应用最多的任务之一,本文尝试将关联分类方法应用到W eb用户分类模式的挖掘.我们首先对服务器日志文件进行预处理,形成一个访问事务集;然后对该事务集进行数据挖掘,找出所有满足最小信任度和支持度的类别关联规则;最后,我们用这些类别关联规则去预测用户的兴趣.实验证明此方法是有效的.     

一种有效的Web使用挖掘体系结构

对Web挖掘的特征、分类及与其相关的技术和工具进行了分析,针对现有的Web使用挖掘研究中缺乏统一而有效的结构模型的问题,提出了一种有效的Web使用挖掘的体系结构,并详细地分析了利用该结构模型处理Web使用挖掘的过程,最后,利用某大学网站的Web日志数据验证了该结构的有效性.     

Web挖掘的体系研究

互联网的出现极大地丰富了人们的信息,但也困扰人们从中获取有用的知识。Web挖掘的应用为解决此问题指明了方向。该文从Web内容挖掘、Web结构挖掘和使用记录挖掘3个方面论述了Web挖掘的内容及相关技术的研究现状和发展方向。Web内容挖掘包括信息提取和信息检索,Web信息提取的主要过程包括向量表示、特征提取、特征缩减和文本挖掘;对于信息检索,文章从搜索引擎的原理、分类以及最新的发展技术方面对其进行了论述;而对于结构挖掘和使用记录挖掘,文章主要论述了其算法和过程。     

基于非结构化数据挖掘结构模型的Web文本聚类算法

在非结构化数据挖掘结构模型——发现特征子空间模型(DFSSM)——的运行机制下,提出了一种新的Web文本聚类算法——基于DFSSM的Web文本聚类(WTCDFSSM)算法.该算法具有自稳定性,无须外界给出评价函数;能够识别概念空间中最有意义的特征,抗噪声能力强.结合现代远程教育网应用背景实现了WTCDFSSM聚类算法.结果表明:该算法可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘;采用网格结构模型,帮助人们进行文本信息导航;从海量文本信息源中快速有效地获取重要的知识.