基于web日志挖掘的电子商务个性推荐研究

《基于web日志挖掘的电子商务个性推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、致谢首先，向我的导师温廷新副教授表示最诚挚和最衷心的感谢，论文在温老师的悉心指导下顺利完成。从论文的选题、撰写到最后的论文终稿，都得到老师的耐心修改和细心指导。温老师认真负责，治学严谨，专业知识渊博，而且平易近人，在生活、工作和学习中都给予我莫大的帮助，让我受益终身，再次对老师的谆谆教导表示深深地感谢。其次，感谢在论文写作的过程中提供无私帮助的老师、同学和师弟师妹们，在论文写作期间，他们提出了一些很好的建议，帮助我顺利的完成论文，在日常的生活和学习中，他们也同样给予了我很多的关怀和帮助。再次，感谢我的父母、亲人和朋友，有了你们的支持、

2、理解和帮助，我才能坚定信念，勇敢面对遇到的挫折和困难，顺利的完成学业，谢谢你们。最后，感谢各位评审老师从百忙之中抽时间批阅我的论文，在此表示衷心的感谢。谨以此文献给曾经支持和帮助过我的人，在此向你们表示最真诚和最诚挚的谢意。摘要当今，随着Internet技术的发展，电子商务凭借其方便、快捷和无地域限制等优势在全球盛行。近些年，电子商务站点积累了大量web数据，如何从这些海量的数据中发现潜在的、有价值的信息，已经成为商家关注的热点问题。web挖掘就是利用数据挖掘技术从web数据中发现有用的模式。本文利用数据挖掘技术，对电子商务网站的we

3、b服务器日志进行研究分析，发现用户的访问模式，为更好的了解客户需求、满足客户需求提供了支持和帮助。论文系统介绍了web挖掘和电子商务的相关知识，并分析了现有的层次聚类算法和FCM聚类算法的优缺点，针对凝聚层次聚类算法的不足，提出改进的层次聚类算法，节约了存储空间并提高了执行速度；针对传统的FCM算法的评估价值函数只考虑了类内距离，而忽略了类间距离对聚类结果的影响的问题，提出一种新的价值函数，综合考虑了类内和类间距离对聚类结果的影响；最后，本文将改进后的层次聚类算法和改进的FCM算法结合起来，提出一种新的算法NHMF算法，并进行了实例应

4、用得出用户聚类模型，为网站个性推荐提供依据。关键词：web日志；日志挖掘；个性推荐；电子商务；数据挖掘-I-AbstractToday,withthedevelopmentofInternet,e-commerceiswildlyprevalentbyitsconvenient,fast,nogeographicalrestrictionsandotheradvantagesintheglobal.Recently,e-commercewebsitehasaccumulatedalargenumberofwebdata,howtomi

5、ningpotentiallyandvaluableinformationfromthesedataisbecomingahotissueconcernedbyenterprises.Webminingisgoingtodiscoverusefulpatternsfromwebdatabydataminingtechniques.Inthispaper,thoughanalysisandstudye-commercesiteswebserverlog,wefoundusers'accesspatternsbydataminingtec

6、hniquesinordertosupportandhelpenterprisestounderstandcustomers’needsandmeettheirneeds.Paperdescribesthebasicknowledgeofwebminingande-commerce,andanalysistheadvantagesanddisadvantagesoftheFCMclusteringalgorithmandthehierarchicalclusteringalgorithm,andproposeanimprovedhie

7、rarchicalclusteringalgorithmtomakeuptheShortcomingofhierarchicalclusteringalgorithmsavingstoragespaceandimprovingtheexecutionspeed;inaddition,itproposesanewvaluefunction,consideringtheeffectofthedistancebetweenclassesandthedistancewithinclassesontheclusteringresults;fin

8、ally,itproposesanewalgorithmnamedNHMFalgorithmbycombinetheimprovedhierarchicalclusteringalgorithmandtheFCMalgo