基于Web数据挖掘个性化推荐系统设计学位

摘要：Web使用挖掘是实现个性化推荐系统的有效途径。通过对网站日志数据进行挖掘发现频繁访问模式，再结合活动用户的访问页面序列来实现个性化的在线推荐。本文从体系架构及功能模块两个方面进行分析，提出了基于Web使用数据挖掘的个性化推荐系统架构。它包括三个方面：数据预处理、频繁访问路径挖掘及在线推荐。
关键词：个性化怎么写作Web使用挖掘频繁访问模式在线推荐
1007-9416(2012)07-0141-02
1、引言
互联网已经成为日常生活不可或缺的重要组成部分，然而随着近年来爆炸式地增长，信息过载与信息迷失正逐渐制约着人们利用互联网来高效地获取有价值的信息。面对浩如烟海的网络空间，如何快速定位到个人真正感兴趣的资源是一个迫切需要解决的问题，个性化怎么写作应运而生。本文采用当前网络开发的较为成熟的主流技术，设计了一个基于Web使用数据挖掘的个性化推荐系统。

2、个性化怎么写作的概述

2.1 个性化怎么写作的主要方式

个性化怎么写作是以用户为中心的，解决和满足用户的信息怎么写作的需要。目前，个性化怎么写作方式主要有以下几种：
(1)信息分类写作怎么写作：主要面对大众提供可以写作的 web 页面，具有为用户创立和管理的功能，用户可根据自己的需要写作个性化的界面设置、信息资源和怎么写作形式，而系统会根据用户的写作要求完成个性化的页面设计，自动呈现用户需要的信息类别。
(2)个性化信息检索怎么写作：根据用户的兴趣和特点进行检索，返回与用户需求相关的检索结果。这就要求个性化信息系统增加优化查询功能，通过内容过滤等技术，在检索的同时考虑用户的个性化差异，从而提高检索质量。
(3)个性化推荐怎么写作：主要是根据用户的信息例如用户的喜好，为满足用户的信息需求向用户推送用户喜好相关的信息，在这个过程中就是根据用户的需求和目前的信息数据库进行不断的配对，将相关的信息推送给用户。

2.2 个性化怎么写作的相关技术

(1)数据挖掘是从大量的、不完整的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、人们事先不知道的、但又是可信的、潜在的和有价值的信息和知识的过程。
(2)信息推送技术是通过一定的标准和协议，在网络上按照用户的需求，定期主动传送用户需要的信息的一项计算机技术。推送技术的核心思想是建立一个信息写作技巧机制，把由客户端担负的责任转给怎么写作器，由怎么写作器将用户写作好的感兴趣的网上信息以推送或网播的方式直接传送到用户面前。
(3)信息过滤是指从动态的信息流中获取符合用户静态需求的信息，或者根据需要禁止满足特定条件的信息流入。
(4)Web挖掘技术它可以从网络浏览行为中抽取用户感兴趣的模式。通过对用户浏览网站的日志数据进行收集、分析和处理，建立起用户的行为和兴趣模型，这些模型可以帮助理解用户行为，改进站点结构以及为用户提供良好的个性化信息怎么写作。

3、系统分析和设计

3.1 个性化怎么写作的内涵及特征

个性化信息怎么写作是“信息爆炸”的背景下针对“信息过载”和“信息迷向”问题的重要解决方案之一。它基于用户的学科、兴趣和使用习惯等特征，利用网络等信息技术，通过用户写作、系统推荐和信息推送等功能，针对不同的用户需求，采用不同的怎么写作方式，提供不同的信息内容，实现多层面的个性化。从理论层面讲，个性化信息怎么写作是一种怎么写作理念，从技术层面讲，个性化信息怎么写作是一个实现个性化怎么写作的平台。具休地说，个性化信息怎么写作具有如下特征：
3.

1.1 以用户需求为中心

以用户需求为中心包含两层含义：一是以用户的需求为导向设计与安排怎么写作功能与设施；二是创建个性化的信息环境，按照用户或用户群的特点组织信息资源，提供多样化的信息怎么写作。
3.

1.2 信息资源多元化

通过对各种馆藏资源的有效组织、管理与配置，建立多元化的信息资源组织体系，为读者利用馆藏资源提供最大的便利。支持个性化怎么写作系统的数据库包含指向丰富信息内容的链接，力争达到让用户即需即得的效果。
3.

1.3 具有智能化分析和挖掘用户需求的功能

智能化分析是指主动采集并跟踪用户浏览的信息，一方面从用户日常检索浏览中主动学习用户的兴趣，推理并预测用户需求，及时处理推荐信息；另一方面可根据不同用户的相同点或相似性进行信息推荐，使需求相同的用户之间共享查询结果。
3.

1.4 推荐信息的准确性、高效性

由个性化怎么写作推荐给用户的信息必须是准确的、高效的、适合用户的。能通过使用信息过滤等技术，屏蔽无关、无用的冗余信息，推荐精确、真实可用的信息；能自动地、智能地将大量的数据信息转换为用户所要求的或用户可接受的系统知识形式，从而节约用户时间，提高怎么写作效率。

3.2 系统结构设计

在Web使用挖掘的一般过程中，主要将其划分为三个阶段：数据预处理；模式发现；模式分析与应用，如图1所示。
由于怎么写作器日志并非专门用于数据挖掘，因此在进行Web使用挖掘之前必须对其进行处理过滤，解决数据的不一致性、不完整性等问题，使之符合Web挖掘的需要，这就是数据预处理阶段，预处理的结果会直接影响到挖掘算法产生的规则和模式；模式发现阶段即挖掘算法实施阶段，是对预处理后的数据使用数据挖掘中的算法如关联规则，聚类分析等来产生规则和模式；模式分析与应用阶段是整个Web使用挖掘过程的最后一步，此阶段的主要目的是通过一定的技术和方法过滤掉模式发现阶段产生的“不感兴趣”的规则和模式。

3.3 系统功能模块设计

整个系统框架包括离线和在线推荐引擎两部分。离线部分又包括数据准备、用户兴趣建模等模块；在线部分则由建立推荐池、产生初步推荐集、融合离线部分产生结果推荐集模块组成。离线部分承担数据准备和知识挖掘等功能，该部分面向的数据源通常为系统内存储的各种海量历史数据，挖掘处理需要较长时间，因此被设计为离线部分，以避免对实时性要求的影响；在线部分则承担向当前用户提供实时个性化怎么写作推荐等功能，该部分是建立在离线部分的基础上，直接参照其所生成的基于用户兴趣的页面推荐集，针对不同用户快速生成各种推荐怎么写作。基于Web挖掘的个性化推荐系统的功能框架图如图2所示。
图2 基于Web挖掘的个性化推荐系统框架图
各子模块功能如下：
(1)数据准备模块。该模块是对原始的用户访问日志进行数据采集、数据清洗和事务标识，生成对挖掘阶段有用的用户会话文件、事务数据库及将站点的相关文件生成站点数据文件。
(2)建立用户兴趣模型库模块。该模块使用Web挖掘技术对用户访问页面内容和用户访问行为进行分析，抽取用户兴趣，结合信息资源的相关性，形成用户兴趣的矢量描述，并能随着用户的访问的推进和用户兴趣的改变，及时更新用户模型。
(3)建立推荐池模块。该模块就是通过获取用户评价，得到带有用户访问时长的用户访问页面集合。
(4)产生初步推荐集模块。该模块通过对当前用户访问页面的相似度计算，继而进行用户聚类分析，再对聚类用户进行关联规则发现，产生初步推荐页面集。
(5)融合离线部分产生个性化推荐集模块。该模块将产生的初步推荐页面

源于：论文标准格式www.udooo.com

集与离线部分的用户兴趣模型相匹配。通过比较产生出最适合用户的个性化推荐页面集，并把这些页面的地址附加到当前访问页面的底部，以进行推荐(图3)。
4、结语
综上所述，本文在对web怎么写作技术及数据挖掘语言实施了分析和研究后，提出一个基于Web使用挖掘的个性化系统架构，该系统通过挖掘用户Web访问信息，生成了独立的用户兴趣模型库，可以更全面地反映用户的兴趣偏好，从而为用户提供更详细的信息推荐。
参考文献
韩家炜,孟小峰.Web挖掘研究.计算机研究与发展,38(4):405-414，2001.
崔林,宋瀚涛,龚永罡,陆玉昌.基于Web使用挖掘的个性化怎么写作技术研究.计算机系统应用,第三期:23-26，2005.
[3]王彤,何丕谦.Web日志挖掘及AprioriAll算法的改进.天津理工大学学报,23(1):13-17,2007.
[4]杨怡玲,陆丽娜.一个简单的Web日志挖掘系统.上海交通大学学报,34(7):932-935,2000.
[5]宋爱波,胡孔法,董逸生.Web日志挖掘.东南大学学报（自然科学版）,32(1):15-18,2002.