基于Web挖掘的信息推薦算法的設計與實現.pdf

1、隨著互聯網的快速發(fā)展，人們獲取信息的能力越來越強，但如此巨大的信息量有時也會給搜索帶來麻煩。因此，如何為用戶提供方便快捷的服務成為電子商務網站的首要任務。解決問題的方法之一就是在Web中采用數據挖掘技術，利用其中的聚類分析來處理數據的集群歸屬，以實現對網頁中無規(guī)則數據的研究，最終完成用戶信息的提取與推薦工作。信息提取和個性化服務與推薦技術就是在這種情況下應運而生的，它服務于電子商務網站，是Web數據挖掘的一個重要分支，主要任務是用來支持

2、用戶決策。
　　文中首先闡述了研究背景以及 Web數據挖掘、信息提取與個性化服務的研究現狀；其次，對數據挖掘方法與技術，包括數據挖掘的定義、方法、Web挖掘等；再者是信息提取技術與個性化服務系統，主要介紹了網站信息的提取特點、個性化服務系統的功能、分類以及個性推薦方法的比較，最后，設計了一個個性化推薦系統，并進行了實驗驗證。
　　本文的重點在于協同過濾算法的改進，前期工作涉及到分塊信息的提取以及網頁用戶信息的聚類。針對Web

3、頁面信息提取中信息單元的劃分，本文提出將整個頁面劃分為若干區(qū)塊，采用一定的算法將較小區(qū)塊設定為最小提取單元，并根據重要程度附于區(qū)塊權值，以進行準確的提取。對于網站信息的預處理，因顯式信息過少，容易造成用戶評價矩陣稀疏，故采用離線聚類的方式，并加大對隱式數據的處理，這樣不僅可以節(jié)省在線處理問題的時間，也可以增加用戶評價矩陣的稠密度，同時提高了協同過濾推薦的準確度。
　　綜上，本文在一定程度上很好地解決了傳統協同過濾推薦算法中易出現的