共查询到10条相似文献,搜索用时 31 毫秒
1.
采用数据挖掘技术中的关联分析和聚类方法,重点研究Web日志兴趣发现的理论和方法,指出普通日志记录方法的局限性,提出过滤用户偏好的定制Web日志方法,实验结果验证通过该方法采集的数据,可以发现隐藏在日志数据中的关联规则,同时找到相似用户的兴趣和偏好,并且能够提高过滤用户兴趣偏好的精度。 相似文献
2.
3.
用户访问行为信息记录在Web日志中,通过对海量Web日志进行清洗、抽取和加载来构建用户行为数据仓库,并结合文章所提出的用户访问路径概率矩阵模型进行数据挖掘,可以实现智能化的用户行为监控,可以为用户提供及时优质的信息服务。 相似文献
4.
基于序列模式的个性化Web页面推荐模型* 总被引:1,自引:1,他引:0
易明 《现代图书情报技术》2008,24(8):42-47
基于数据挖掘中的序列模式方法,提出一种个性化Web页面推荐模型。该模型首先利用Web使用数据预处理提取Web交易事务集,然后应用序列模式算法挖掘频繁(连续)序列,最后通过构建频繁(连续)序列树生成用户偏好视图以生成个性化Web页面推荐集。 相似文献
5.
6.
面对互联网中大量共享的网络书签资源,单个Web用户显然无法充分挖掘它们的潜在价值,迫切需要在网络书签系统中嵌入个性化服务工具.考虑到Web用户在网络书签系统中收藏的Web资源能够有效反映其兴趣,本文提出了一种网络书签系统中基于社团结构的个性化推荐方法.该方法首先依据Web用户收藏的Web资源之间的重叠关系建立Web用户关系网络,然后利用CPM算法划分Web用户关系网络中的社团结构,最后利用这种社团结构实现社团内基于协作过滤的个性化推荐和社团间基于"信息桥"的个性化推荐.实验结果表明了该方法的有效性. 相似文献
7.
拟合用户兴趣演变特性的协作过滤推荐算法 总被引:2,自引:0,他引:2
个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度. 相似文献
8.
数字图书馆个性化信息检索模型研究* 总被引:3,自引:0,他引:3
许春漫 《现代图书情报技术》2006,1(3):15-19
结合向量空间技术、Agent技术、Web日志挖掘等技术提出了一个基于概念的数字图书馆个性化信息检索模型。该模型根据用户主动提供的初始信息建立基于概念的用户兴趣模型,利用用户对文档的主动评价和用户的访问行为更新用户兴趣模型,并将用户兴趣模型用于检索结果的相关度排序和最新信息的推荐以及合作推荐。最后给出系统的实现方法。 相似文献
9.
10.
针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征(用户类别特征、访问兴趣迁移特征)的缺点,提出混合隐Markov链浏览模型.混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能. 相似文献