資源描述：
《基于web日志的個(gè)性化推薦系統(tǒng)研究》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(kù)。
1、浙江理工大學(xué)碩士學(xué)位論文基于WEB日志的個(gè)性化推薦系統(tǒng)研究姓名：嚴(yán)奉華申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：劉建平20090222浙江理J：人學(xué)碩十學(xué)位論文摘要隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，電子商務(wù)系統(tǒng)結(jié)構(gòu)變得越來(lái)越復(fù)雜，用戶經(jīng)常會(huì)迷失在大量的商品信息空間中。電子商務(wù)推薦系統(tǒng)能夠直接與用戶交互，向訪問(wèn)網(wǎng)站的顧客提供商品信息和建議，并模擬銷售人員幫助顧客完成購(gòu)買過(guò)程。推薦算法處于整個(gè)推薦系統(tǒng)的核心位置，采用哪種推薦算法對(duì)推薦系統(tǒng)的效果和效率至關(guān)重要?，F(xiàn)在最成功的是協(xié)同過(guò)濾算法，它分析并
2、利用與當(dāng)前用戶行為相近的一組用戶的偏好，向當(dāng)前用戶作有針對(duì)性的推薦。針對(duì)電子商務(wù)推薦系統(tǒng)面臨的主要問(wèn)題，本文對(duì)電子商務(wù)推薦系統(tǒng)中推薦算法設(shè)計(jì)以及體系結(jié)構(gòu)等關(guān)鍵技術(shù)進(jìn)行了比較深入的探索和研究。從Web日志中提取用戶、項(xiàng)、訪問(wèn)時(shí)間、訪問(wèn)次數(shù)等信息來(lái)獲取用戶興趣度打分值，可以有效的緩解通過(guò)網(wǎng)站的注冊(cè)用戶和這些注冊(cè)用戶對(duì)商品的評(píng)價(jià)來(lái)獲取所產(chǎn)生的數(shù)據(jù)稀疏性問(wèn)題，所以Web日志數(shù)據(jù)的質(zhì)量就顯得非常重要。在Web同志數(shù)據(jù)預(yù)處理的過(guò)程中，針對(duì)Web同志挖掘中的會(huì)話識(shí)別問(wèn)題，本文分別對(duì)“Timeout方法"，“參引
3、長(zhǎng)度法’’進(jìn)行改進(jìn)，提出了一種改進(jìn)的會(huì)話識(shí)別方法。該方法運(yùn)用網(wǎng)站的拓?fù)浣Y(jié)構(gòu)信息，動(dòng)態(tài)設(shè)定各頁(yè)面的時(shí)間間隔閾值，使頁(yè)面時(shí)問(wèn)間隔閾值同頁(yè)面的重要程度結(jié)合起來(lái)：同時(shí)通過(guò)靈活界定內(nèi)容頁(yè)，并針對(duì)內(nèi)容頁(yè)，提出了一些啟發(fā)式規(guī)則，突破了“參引長(zhǎng)度法”所固有的一個(gè)會(huì)話中只包含一個(gè)內(nèi)容頁(yè)的瓶頸，有效的提高了會(huì)話數(shù)據(jù)的準(zhǔn)確度。這些高質(zhì)量的會(huì)話數(shù)據(jù)將成為個(gè)性化推薦系統(tǒng)建立模型的基礎(chǔ)數(shù)據(jù)。利用用戶、項(xiàng)、興趣度打分值等信息可以構(gòu)建“用戶一項(xiàng)矩陣"二維模型。以往經(jīng)典協(xié)同過(guò)濾推薦算法的核心部分(即計(jì)算用戶或項(xiàng)的相似性)，都是基于
4、該模型而設(shè)計(jì)的。針對(duì)大多數(shù)商品的銷售都具有季節(jié)性的特點(diǎn)，本文在“用戶一項(xiàng)矩陣”模型基礎(chǔ)上，引入用戶購(gòu)買商品的日期因素，構(gòu)建了“用戶一項(xiàng)立方體”三維模型，并基于該模型，提出了一種改進(jìn)的協(xié)同過(guò)濾推薦算法。該算法對(duì)日期因素賦予了相應(yīng)的權(quán)重，并應(yīng)用到用戶相似性或項(xiàng)相似性的計(jì)算中，顯著地提高了協(xié)同過(guò)濾推薦的準(zhǔn)確度。改進(jìn)的協(xié)同過(guò)濾推薦算法將整個(gè)推薦過(guò)程分為三大部分：用戶聚類、項(xiàng)聚類、最近鄰查詢及推薦。前兩部分離線執(zhí)行，生成相應(yīng)的虛擬用戶和虛擬項(xiàng)，二者的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)小于原始用戶數(shù)及項(xiàng)數(shù)，在最近鄰查詢及推薦部分在線
5、執(zhí)行時(shí)，以虛擬用戶及虛擬項(xiàng)作為新的搜索空間，其時(shí)空復(fù)雜度大大降低，很好的滿足了推薦系統(tǒng)的實(shí)時(shí)性要求。關(guān)鍵詞：Web挖掘，會(huì)話識(shí)別，個(gè)性化推薦，協(xié)同過(guò)濾浙江理：r人學(xué)碩十學(xué)位論文TheResearchofPersonalizedRecommendationSystemBasedonWebLogAbstractWiththerapiddevelopmentofE—CommerceandthepopularizationofInternet,the咖ctlJreofE．Commercesystembec
6、omesmoreandmorecomplex．PeopleoftengetlostinfaceofSOmanyproducts．E—CommerceRecommendationSystemprovidesusefulinformationandsuggestionsanditalsohelpscustomersforthepurchasebyinteractingdirectlywithcustomers．Recommendationalgorithmplaysanimportantroleint
7、herecommendationsystem．Itisveryimportanttochooseanappropriatealgorithmtoenhancetheeffectivenessandefficiencyofthesystem．Now,collaborativefilteringalgorithmsarethemostpopularandeffectiveones，whichmakethepersonalizedrecommendationtothecurrentcustomersby
8、analyzingandmakinguseoftheirsamehobbies．InallusiontothemainchallengesofrecommendationsystemsofE—Commerce，thisthesisgivesadeepresearchandstudyinthesystemarchitectureandrecommendationalgorithmdesign．Theinformationaboutusers，itemsandaccessingtime
