共查询到10条相似文献,搜索用时 15 毫秒
1.
基于Web挖掘的个性化服务研究 总被引:8,自引:0,他引:8
论述了基于Web挖掘的个性化服务研究,提出了利用Web挖掘方法的个性化服务研究中的用户聚类、Web页面聚类、用户频繁访问路径发现算法及用户访问路径优化算法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并对Web信息资源的组织方式进行有效更新,从而提高网络信息服务效率,为用户提供“一对一”的具备自适应性的智能个性化服务。 相似文献
2.
3.
基于关联的聚类分析在个性化服务中的应用 总被引:2,自引:0,他引:2
运用关联规则,确定用户频繁访问模式,使用页面相似聚类分析对用户频繁访问集分类,挖掘具有相似访问兴趣的网络用户的浏览模式,并对相关算法作了改进,从满足用户个性化信息服务出发,给出一种基于关联的用户访问模式聚类方法.实践证明,将基于关联的聚类分析方法应用到个性信息服务中是有效的. 相似文献
4.
搜索引擎系统中的Web个性化信息推荐技术 总被引:1,自引:0,他引:1
Web个性化推荐技术在现代互联网中有着广泛的应用,它能将Web网络信息按照用户的个性化需求主动地向用户提供服务。但是由于现代搜索引擎通常缺乏用户的相关登录信息和网页访问路径信息,所以传统的Web个性化推荐服务并不完全适用于搜索引擎。由于用户在访问搜索引擎时会产生大量的关键词访问序列,而这种关键词访问序列蕴含着丰富的用户个性化信息,基于此,提出了一种利用搜索引擎访问日志中的关键词访问序列来进行Web个性化推荐服务的方法,并分析了相关技术特点和实现细节。 相似文献
5.
基于时间序列的个性化信息协同过滤技术研究 总被引:4,自引:0,他引:4
以个性化推荐服务为基础,讨论了协同过滤技术在推荐服务中的运用,提出了基于时间序列的协同推荐算法,并结合权威用户、主题聚类等因素,使这种算法更接近人们个性化信息获取和学习知识的自然过程。 相似文献
6.
最近邻协同过滤常用的计算用户访问行为相似程度的距离函数仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来,用户评分数据稀疏等问题使其推荐质量下降。针对这些问题,提出一种基于用户模式聚类的协同过滤推荐算法,该算法采用基于用户模式相似的子空间聚类方法产生聚类,并且利用模式相似度改进协同过滤,从而对用户产生个性化推荐。实验结果表明,该方法改善了推荐系统的效率和精度。 相似文献
7.
通过用户访问事务的方式将用户访问Web站点行为进行形式化描述。进一步给出了兴趣度、相似度、聚类中心的定义。提出了基于ISODATA算法的路径聚类方法。并通过对某实际网站Web日志文件进行分析实验,结果表明该方法不但能够发现群体用户访问模式,而且还能得到较为合理的模式聚类个数。 相似文献
8.
基于SOM聚类的个性化图书推荐研究 总被引:1,自引:0,他引:1
个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上,提出了一种基于SOM聚类的个性化图书推荐方法,该方法结合中国图书馆分类法对读者的借阅信息进行分析,并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式,推送最贴近读者需求的信息给读者,从而提高图书馆馆藏资源的利用率和图书馆的服务质量。 相似文献
9.
网格环境下图书馆用户访问信息资源兴趣的路径聚类研究 总被引:1,自引:0,他引:1
在网格环境下,图书馆网站可以通过关注用户访问路径、访问某个页面的时间、在此页面的驻留时间以及由哪个链接到此页面的URL等信息,利用聚类技术将具有相同兴趣的用户分类,帮助站点根据分析结果来改进站点结构和内容,同时通过避免用户输入来减轻用户负担,进一步进行个性化设计. 相似文献
10.
【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依
据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知
识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览
历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同
过滤聚类,并实施推荐。【结果/结论】利用用户历史学习记录进行向量表示,充分考虑知识点学习次序,提出了一种
在线学习推荐新方法的尝试,实验结果表明该推荐方法是有效的。 相似文献