基于web日志挖掘的个性化推荐方法研究

《基于web日志挖掘的个性化推荐方法研究》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、基于Web（申请工学硕士学位论文）日志挖掘的个性化推基于Web日志挖掘的个性化推荐荐方法方法研究研究周旭培养单位：计算机科学与技术学院学科专业：计算机软件与理论研究生：周旭指导教师：饶文碧教授武汉理工大学2014年4月万方数据分类号密级UDC学校代码10497学位论文题目基于Web日志挖掘的个性化推荐方法研究英文ResearchonPersonalizedRecommendationbasedon题目WebLogMining研究生姓名周旭姓名饶文碧职称教授学位博士指导教师单位名称计算机科学与技术学院邮编430070申请学位级别硕士学科专业名称计算机软件与理论论文提交日期2

2、014年4月论文答辩日期2014年5月学位授予单位武汉理工大学学位授予日期答辩委员会主席评阅人2014年4月万方数据独创性声明本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：学位论文使用授权书本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保留并向国家有关部门或机构送交论文的复印件和电

3、子版，允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子学位论文）为答辩后经修改的最终定稿学位论文，并授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息服务。（保密的论文在解密后应遵守此规定）研究生（签名）：导师（签名）：日期：万方数据摘要随着互联网的飞速发展，Web被广泛的应用于人们的日常生活、学习、工作以及娱乐活动中。Web可以比作为一个巨大的信息收集站，它存储着各种各样的人们所需要的资料信息。在这个信

4、息充足而知识贫乏的时代，由于信息种类的繁多，使得用户容易在庞大的信息中迷失，基于Web日志挖掘的个性化推荐可以有效的解决这个问题。结合Web日志挖掘的个性化推荐的核心是推荐的方法，也是本文研究的重点。马尔可夫(Markov)预测模型简单易行，是一种应用广泛的统计模型，近年来开始应用于用网页预测且比较适合作为智能推荐系统的预测模型。本文针对Markov预测模型在Web数据挖掘的个性化推荐中的应用研究做了以下几点工作:1、对Web日志挖掘和个性化推荐的方法进行研究，重点研究了Web日志挖掘预处理技术，给出了各阶段的算法。然后分别对传统Markov预测模型、混合Markov预测

5、模型、多Markov链模型在构建过程以及预测方法进行了研究。2、基于Markov预测模型提出一种改进算法。该算法用混合树结构代替传统的状态转移矩阵，能同时进行多阶预测；利用用户频繁路径代表用户特征，通过比较频繁路径之间的相似度进行用户分类，降低了用户分类过程的复杂度；引入网页聚类思想，不仅进一步压缩存储空间，且使高阶序列具有较高的匹配度，使推荐结果更加准确。通过实验证明了改进算法的优越性。3、针对改进算法设计基于Web日志挖掘的个性化推荐原型系统。原型系统包含离线部分和在线部分，细分为预处理模块、模式挖掘模块、推荐模块。并详细描述了各模块的功能，以及整个原型系统工作流程。

6、论文针对Web日志挖掘和个性化推荐两大问题做了深入研究，并基于Markov预测模型改进挖掘算法，通过实验证明算法能较好的平衡推荐的实时性和准确性，最后给出个性化推荐原型系统。相信此研究对网站更进一步实现个性化推荐有一定借鉴意义。关键词：Web日志挖掘，个性化推荐，马尔可夫链，网页聚类I万方数据AbstractWiththerapiddevelopmentaboutInternet,Webisusedinourdailylife、study、workandentertainment.Webcanberegardasahugeinformationcollectionstat

7、ion.Itstorestheallkindsofinformationthatpeopleneed.Nowadaysisaerawhichhassufficientinformationandpoorknowledge.Duetovariouskindsofinformation,itmakesthattheuserlostthedirectioninthehugeinformation.ThepersonalizedrecommendationbasedonWeblogminingcanresolvethisproblem