資源描述：
《試析基于web的推薦技術(shù)的研究與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、華南理工大學(xué)碩士學(xué)位論文基于WEB的推薦技術(shù)的研究與實(shí)現(xiàn)姓名：曾煒申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)指導(dǎo)教師：彭宏;鄭啟倫20030501摘要個(gè)性優(yōu)服務(wù)是電子商務(wù)不同于傳統(tǒng)商務(wù)的鼴藩特點(diǎn)，擻掘網(wǎng)站用戶的訪問情掇，為舔戶繩供個(gè)控純信怠綴務(wù)蹩許多互聯(lián)潮旋翅，尤其怒互聯(lián)網(wǎng)信惑暇務(wù)或電子商務(wù)網(wǎng)站所追求的目標(biāo)。許多著名的電子巔務(wù)網(wǎng)站都使用Web推薦系統(tǒng)進(jìn)行個(gè)性化推薦，援搬用戶的喜爵，為瓣戶推薦蠢麓袋者囪蘧稍撬供蠆髓惑興趣茲售恿淡幫葫縫翻決定購買仟么商品。目前的Web推薦系統(tǒng)存在蔣推薦速度低、推薦內(nèi)容單一、推薦的結(jié)果受用戶提供的資料的影響
2、、需要用戶授權(quán)等問題。Web挖掘技術(shù)的飛速發(fā)展為解決這一潤(rùn)題瓣供了一搴孛凝漿磐凌方案。本文詳盡分析了現(xiàn)有Web推薦系統(tǒng)使用的技術(shù)和存在的問題，在已宵的Web數(shù)據(jù)模型揍礎(chǔ)上，結(jié)合Web挖掘技術(shù)對(duì)Web用戶的訪問模式發(fā)現(xiàn)、個(gè)性化推薦進(jìn){亍深入磷究稻探討，提基了一個(gè)快速有效鮑耀量更毅挖掇多層關(guān)聯(lián)娥則算法MLARU(Multi-levelAssociationRulesUpdate)，其主要愚想怒通過數(shù)據(jù)簿和Web同志構(gòu)建概念層次樹，根據(jù)概念層次樹來挖掘多層關(guān)聯(lián)規(guī)則，在線為用戶動(dòng)態(tài)提供多層次個(gè)性化推薦。在挖掘多層次的關(guān)聯(lián)規(guī)則中，我們第～次
3、提出采用區(qū)間支持痙豹方法柬表示交叉瀛次豹璦集支持痙，著袋_籍；了投露瑟次耱贅菝窩瀵璧更薪的方法，使得算法的效率得到了很好的改善。此外，算法使用多支持度閩值約束進(jìn)行頻繁項(xiàng)目集的挖掘，利用用戶反饋調(diào)整各層的閾值，在一定程度上克服了固定闋僮對(duì)爨取有趣關(guān)聯(lián)援式懿主戲影嚷。在鼗蒸磁上，結(jié)含行避特點(diǎn)，以移動(dòng)秘技產(chǎn)品及IT商品為典黧，實(shí)現(xiàn)了一個(gè)智能多層次Web推薦系統(tǒng)。本文設(shè)計(jì)的多層關(guān)聯(lián)推薦算法怒對(duì)數(shù)據(jù)挖搠肄法的必要補(bǔ)充，具有較高的理論意義，不僅能有效媲液用于電予囊務(wù)漿個(gè)性像接薦，兩雖轉(zhuǎn)方便迎接廣到其他有關(guān)靜斑鞠中。在魏基礎(chǔ)實(shí)現(xiàn)的智髓多層次We
4、b推薦系統(tǒng)，翔用戶進(jìn)行多層次酌推薦，幫助用戶找到想臻的商品，增加了網(wǎng)站的利潤(rùn)，無疑時(shí)用戶和商家都是很育意義的研究。關(guān)鍵字：Web推薦：多層關(guān)聯(lián)規(guī)則：增量更新；Web挖掘蘭童蛋苫查主王耋鎏主主垡鎏蘭AbstractPersonalizationisthemostremarkablecharacteristicofe-commerce．Providingpersonalizedserviceaccordingtothecustomers’accesspatternsisthemajorgoalpursuedbyInternetappl
5、ications，especiallytheInteractinformationwebsitesande-commerceones．Manyfamouse-commercesitesuseWebrecommendersystemstohelpthecustomerstomakethepurchasedecisions，byrecommendingcommoditiesorprovidingimportantinformationtothemaccordingtotheirinterest．TheactualWebrecommen
6、dersystemshavesomedeficiencies，suchasslowperformance，flatcontents，recommendationinfluencedbycustomer—provideddata，customerauthorizationnecessity,ere．ThequickdevelopmentofWebMiningtechnologyprovidesanewsolutiontotheseproblems．Inthethesis，keytechniquesanddeficienciesoft
7、heactualWebrecommendersystemsareanalysedindetail．Onthebasisofexistingwebdatamodelsandwebminingtechnologies，wedeeplyresearchthetechniquesofdiscoveringwebcustomers’accesspatternsandpersonalrecommendation，andthenprovideanefficleatandeffectiveincrementalMulti-levelAssocia
8、tionRulesUpdatealgorithm，abbreviatedasMLARU．Itfirstlybuildsaconceptualhierarchytreefromthedatabaseandweblogs，thenminesmulti-
