基于Web的個性化服務(wù)中用戶興趣模型研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，Internet上的數(shù)據(jù)量大量增加，同時人們對信息的需求也越來越專業(yè)化。個性化服務(wù)技術(shù)的出現(xiàn)在一定程度上解決了信息的多樣化與用戶需求的專一化之間的矛盾。用戶興趣建模技術(shù)則是個性化服務(wù)的核心問題，用戶興趣模型能否準(zhǔn)確地反映用戶的興趣決定了系統(tǒng)提供個性化服務(wù)的質(zhì)量。 本文對當(dāng)前主要的web挖掘技術(shù)和用戶興趣建模技術(shù)進(jìn)行了分析，提出了把用戶瀏覽內(nèi)容分析和瀏覽行為分析相結(jié)合的用戶興趣挖掘模型。對本文中所涉及的技術(shù)做了

2、初步的介紹和研究，并簡單介紹了本文所采用的方法。 首先介紹了用戶數(shù)據(jù)的收集。數(shù)據(jù)收集工作，在用戶興趣模型建設(shè)中是一項基礎(chǔ)而重要的工作，主要任務(wù)是收集用戶瀏覽頁面的集合和用戶在頁面上的行為記錄，并進(jìn)行整理和組織。經(jīng)過實驗分析，收集的瀏覽內(nèi)容數(shù)據(jù)只需文章的標(biāo)題、首段和末段三部分，而瀏覽行為數(shù)據(jù)可歸結(jié)為兩類行為數(shù)據(jù)：用戶瀏覽網(wǎng)頁的時間和拉動滾動條的次數(shù)。 重點探討了基于瀏覽內(nèi)容的用戶興趣度分析和基于瀏覽行為的用戶興趣度分析。在

3、對瀏覽內(nèi)容的分析中，首先利用中文分詞技術(shù)來進(jìn)行特征向量的抽取。本地分詞詞典由多個單字詞表組成，由這種方法建立的分詞詞典能很方便的添加未登錄詞，并且便于查找。特征詞權(quán)值的計算采用改進(jìn)的TF-IDF公式。對用戶行為與網(wǎng)頁興趣度的關(guān)系計算時，則是采用建立用戶行為回歸方程式，根據(jù)回歸方程計算出用戶對所瀏覽頁面的興趣度。把計算出的基于頁面內(nèi)容的特征詞權(quán)值和用戶瀏覽行為對頁面的興趣度合成一個完整的頁面特征矩陣。再采用提出的層次聚類和k-means聚