本站原创
摘要：在大量的Web个性化怎么写作模型或系统中，用户兴趣模型均是通过挖掘用户浏览历史网页获得的。因此从大量的浏览历史里获取用户兴趣网页对于Web个性化怎么写作模型或系统十分重要。该文通过对用户浏览行为进行量化分析来判断兴趣网页，目的是为后续的用户兴趣建模提供准确的挖掘对象。在原有量化分析方法的基础上，该文对浏览行为的贡献值进行归一化，减少需要确定的参数，在一定程度上提高了算法的运行效率，使算法具有更好的可行性。
关键词：浏览历史；兴趣网页；浏览行为；量化分析；Web个性化怎么写作
1009-3044(2012)27-6481-02
Research and Design of User Personalization Dictionary Based on Interesting Web Pages
LI Li-pei
(Yangtze Normal University, Chongqing 408100, China)
Abstract: In the major of web peronalization services modules and systems, the user’s interesting module is often established by mining the browsing history web pages of user. So It’s important to find the user’s interesting web pages for web personalization services modules and systems from lots of browsing histories. In this paper, determining the interesting web pages through the quantitative analysis of user’s browsing actions for providing the accuracy object for the user interests modeling then. on the basis of original quantitative analysis, the values of browsing actions has been normalized and the parameter which need to be con? firmed has been reduced, as a result, the efficiency of algorithm has been raised and more feasible.
Key words: browsing history; interesting web pages; browsing action; quantitative analysis; web personalization services
在大量Web个性化怎么写作中,通常是通过挖掘用户浏览历史来建立用户兴趣模型。然而用户浏览的网页中，并不是所有的网页都是用户真正感兴趣的，因此获取用户的兴趣网页对用户兴趣建模有十分重要的意义。目前获取用户兴趣网页的主要方法通常有3类：1）人工写作提取，此方法完全依赖于用户并且无法准确反映用户兴趣；2）示例提取，即由用户提供与兴趣相关或无关的示例来进行提取，此方法需要用户在浏览过程中标注页面以得到示例，干扰了用户的正常浏览；3）自动提取，即根据用户的浏览行为自动提取，获取兴趣网页的手段有怎么写作器端挖掘、用户提供和客户端挖掘3种。
目前，大量的学者和研究人员在通过浏览行为获取或判断用户兴趣网页的领域里取得了较多的成果，文献[3]将用户浏览行为分成生理行为、间接行为和显著行为3种，然后对这三种行为进行量化并计算每张网页的兴趣度。文献[4]则将分析的对象扩展到用户浏览行为、兴趣行为和用户访问活动系列等方面。而文献[5]仅将浏览时间和翻页与滚动条滑动次数作为分析对象。虽然现阶段对浏览行为进行分析的成果较多，但由于分析的方法和对象各有不同，因此最终获取兴趣网页的效果也有所区别，有的看重效率与实用性，有的则强调准确性。
朱征宇,周智,罗颖,等.基于浏览行为量化分析的兴趣网页提取.重庆工学院学报,2009,23(7):79-84.
何颖.基于用户浏览行为挖掘的网站个性化推荐系统[J].电脑知识与技术,2007(12):528-529.
[3]王微微,夏秀峰,李晓明.一种基于用户行为的兴趣度模型[J].计算机工程与应用,2012,48(8):148-151.
[4]李建廷,郭晔,汤志军.基于用户浏览行为分析的用户兴趣度计算[J].计
[5]郑晓宇.基于用户兴趣挖掘的个性化信息推送怎么写作[J].情报探索,2011,168:33-36.
[6]米雪,张宁.基于网页浏览的用户兴趣行为研究[J].电脑知识与技术,2010,6(34):9834-9836.
[7]陈永平.基于兴趣度的协作过滤技术研究[J].计算机技术与发展,2008(1):106-110.
[8]戎晓霞.基于BHO和协同技术的多级文语IE的实现[J].计算机工程,2004(2):42-44.
[9]赵银春.基于Web浏览内容和行为相结合的用户兴趣挖掘[J].计算机工程,2005(12):93-94.
[10]赵越.基于客户端的网页预取模型[J].计算机工程与应用,2008,44(20):102-106.
关键词：浏览历史；兴趣网页；浏览行为；量化分析；Web个性化怎么写作
1009-3044(2012)27-6481-02
Research and Design of User Personalization Dictionary Based on Interesting Web Pages
LI Li-pei
(Yangtze Normal University, Chongqing 408100, China)
Abstract: In the major of web peronalization services modules and systems, the user’s interesting module is often established by mining the browsing history web pages of user. So It’s important to find the user’s interesting web pages for web personalization services modules and systems from lots of browsing histories. In this paper, determining the interesting web pages through the quantitative analysis of user’s browsing actions for providing the accuracy object for the user interests modeling then. on the basis of original quantitative analysis, the values of browsing actions has been normalized and the parameter which need to be con? firmed has been reduced, as a result, the efficiency of algorithm has been raised and more feasible.
Key words: browsing history; interesting web pages; browsing action; quantitative analysis; web personalization services
在大量Web个性化怎么写作中,通常是通过挖掘用户浏览历史来建立用户兴趣模型。然而用户浏览的网页中，并不是所有的网页都是用户真正感兴趣的，因此获取用户的兴趣网页对用户兴趣建模有十分重要的意义。目前获取用户兴趣网页的主要方法通常有3类：1）人工写作提取，此方法完全依赖于用户并且无法准确反映用户兴趣；2）示例提取，即由用户提供与兴趣相关或无关的示例来进行提取，此方法需要用户在浏览过程中标注页面以得到示例，干扰了用户的正常浏览；3）自动提取，即根据用户的浏览行为自动提取，获取兴趣网页的手段有怎么写作器端挖掘、用户提供和客户端挖掘3种。
目前，大量的学者和研究人员在通过浏览行为获取或判断用户兴趣网页的领域里取得了较多的成果，文献[3]将用户浏览行为分成生理行为、间接行为和显著行为3种，然后对这三种行为进行量化并计算每张网页的兴趣度。文献[4]则将分析的对象扩展到用户浏览行为、兴趣行为和用户访问活动系列等方面。而文献[5]仅将浏览时间和翻页与滚动条滑动次数作为分析对象。虽然现阶段对浏览行为进行分析的成果较多，但由于分析的方法和对象各有不同，因此最终获取兴趣网页的效果也有所区别，有的看重效率与实用性，有的则强调准确性。
朱征宇,周智,罗颖,等.基于浏览行为量化分析的兴趣网页提取.重庆工学院学报,2009,23(7):79-84.
何颖.基于用户浏览行为挖掘的网站个性化推荐系统[J].电脑知识与技术,2007(12):528-529.
[3]王微微,夏秀峰,李晓明.一种基于用户行为的兴趣度模型[J].计算机工程与应用,2012,48(8):148-151.
[4]李建廷,郭晔,汤志军.基于用户浏览行为分析的用户兴趣度计算[J].计
研究生论文www.udooo.com
算机工程与设计,2012,33(3):968-972.[5]郑晓宇.基于用户兴趣挖掘的个性化信息推送怎么写作[J].情报探索,2011,168:33-36.
[6]米雪,张宁.基于网页浏览的用户兴趣行为研究[J].电脑知识与技术,2010,6(34):9834-9836.
[7]陈永平.基于兴趣度的协作过滤技术研究[J].计算机技术与发展,2008(1):106-110.
[8]戎晓霞.基于BHO和协同技术的多级文语IE的实现[J].计算机工程,2004(2):42-44.
[9]赵银春.基于Web浏览内容和行为相结合的用户兴趣挖掘[J].计算机工程,2005(12):93-94.
[10]赵越.基于客户端的网页预取模型[J].计算机工程与应用,2008,44(20):102-106.