基于协作反馈的蚁群算法的自适应网站研究

《基于协作反馈的蚁群算法的自适应网站研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于协作反馈的蚁群算法的自适应网站研究黄艳欢，何振峰（福州大学数学与计算机科学学院，福建福州350002）摘要：本文提出了一种基于蚁群算法的关联网页推荐方式,实现了蚁群模型里的信息素以及支持度，并且针对蚁群算法中固有的缺陷以及它在自适应网站应用中所出现的问题进行相应的模型改进，主要是引入了反馈机制和协作智能体概念。这样我们就可以依据用户访问日志进行倾向性网页推荐。关键词：蚁群算法；自适应网站；反馈机制；协作智能体AstudyonAdaptivewebsitewithcooperativemulti-agentandfeedbackHUANGYan–huan,HEZ

2、hen–fengAbstract:Thisarticleproposeaapproachtorecommendrelatedwebpagesbasedontheantcolonyalgorithms.Itrealizesthepheromoneandthesupportdegreeoftheantcolonyalgorithmmodel，andmakessomechangestothemodelconcerningtotheproblemsexistingintheantcolonyalgorithmsandtheonesrisingintheprocessoft

3、heapplicationtotheadaptivewebsite.Weachievethispurposebyintroducingthemechanismofrecommendationfeedbackandtheconceptofcooperativemulti-agent.Thenwecanmakeatendencyrecommendationofwebpagesaccordingtotheweblogsfromtheusers.Keywords:antcolonyalgorithm;adaptivewebsite;feedbackmechanism;co

4、operativemulti-agent1引言随着网站规模的逐渐扩大，内容的不断丰富是其发展的必然趋势。然而网站（特别是基于知识传播的信息服务网站）发展过程中也暴露出了一些不可忽视的问题：（1）每个用户的知识、偏好以及上网的目的不同，而目前存在的网站提供给每个用户的信息内容和结构都是相同的。（2）浏览网站时，用户对自己感兴趣的目标信息寻找时间过长，时间和精力花费在大量信息的甄别、浏览航向的选择、链接点击后的等待中，降低了网站的实用性。（3）互联网上蕴藏着海量的信息，对用户来说，已大大超过了可能的阅读量。由此，我们可以对网络上蕴藏的信息进行挖掘，WEB推荐系统[1]

5、应运而生，主要思想就是通过用户历史访问路径以及当前的访问状态，结合数据挖掘的方式，预测出用户下一步准备访问的页面并给予推荐，以此实现人性化网站。根据对WEB数据的感兴趣程度不同，现行的WEB推荐方法可以分为三类：基金项目：福建青年创新基金资助(2006F3075)（1）WEB内容挖掘WEB内容挖掘是从WEB数据中抽取有用知识，以此来实现WEB资源的自动检索，提高数据利用率。在这种方法中最关键的问题是相似度统计，缺点是难以区分数据内容的品质和风格，并且不能为用户发现新感兴趣的资源；（2）WEB结构挖掘WEB结构挖掘是从WWW组织结构和链接关系中推导知识，即通过分析一

6、个网页链接和被链接数量以及对象来建立WEB之间的链接结构模式，这种模式可以应用于网页的归类，并且可以由此来获取有关不同网页间相似度及关联度信息。（3）WEB使用挖掘WEB使用挖掘即利用用户访问记录来进行用户访问倾向性预测。使用挖掘根据挖掘对象可以区分为两类：采用协同过滤的方法[2]，根据用户资料进行挖掘，即根据用户初始输入的userprofile来进行分类，但是获取用户资料对于每个网站并不都是可行的，并且这种做法不能动态发现用户的访问模式，有很大局限性；对WEB日志的挖掘[3]，即收集用户访问日志进行挖掘，最后做出预测。本篇文章基于现实中人们的从众心理，将具有群智

7、能的蚁群算法应用于WEB日志挖掘，并针对应用领域将蚁群算法进行了相应的算法改进，最后进行自适应的网页推荐。2蚁群算法蚁群算法是由意大利学者M.Dorigo等人首先提出的一种新型的模拟进化算法。主要过程是：蚂蚁在运动过程中，能够在它所经过的路径上留下一种称之为信息素(pheromone)的物质，而且蚂蚁在运动过程中能感知到这种物质的存在及其强度，蚂蚁个体之间就是通过这种信息的交流达到搜索最短路径的目的。一条路径上的信息素值越高，蚂蚁选择这条路径的概率就越大，这构成了一个学习信息的正反馈过程，最优路径上的信息素浓度会越来越大。虽然单个蚂蚁的选路能力有限，但是通过个体之

8、间的信息交