基于web日志挖掘的个性化推荐方法研究
来源:56doc.com 资料编号:5D15038 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D15038
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密 保 惠 帮助
资料介绍
基于web日志挖掘的个性化推荐方法研究(论文27000字)
摘要:在海量信息数据化的今天,网络用户与商家均面临着信息混乱的问题,一边是体量庞大的用户需求数据,一边是苦于找不到买家的网络经销商,而基于web数据挖掘技术的个性化推荐技术就是解决该问题的一个有效方法,通过web数据之挖掘,根据用户的需求分析后自动推送可以满足用户需求的信息,既解决了市场的迫切需求,又解决了卖家的卖方市场,可谓是双赢。简单介绍了基于web日志数据挖掘的个性化推荐系统,阐述了几种常见的重要的个性化推荐算法,以及个性化推荐的作用和未来潜在的问题进行了总结。
关键字:web日志,数据挖掘,个性化推荐
Abstract: today in the vast amounts of information data, network users and businesses are faced with confusion, one side is the huge amount of user demand for data, one side is struggling to find buyers for the dealer network, and based on Web Data Mining Technology in personalized recommendation technology is to solve the problem of an effective method, through the web data mining, according to user needs analysis to automatically push can send to meet user demand information, not only solve the urgent needs of the market, and solve the seller of a seller's market, can be described as a win-win. This paper briefly introduces the personalized recommendation system of data mining based on Web log, expounds several common important personalized recommendation algorithms, and summarizes the role of personalized recommendation and the possible problems in the future.
Keywords: Web log, data mining, personalized recommendation
目录
第一章 绪论 2
1.1研究背景与意义 2
1.2国内外研究现状 3
1.3 论文的内容安排 3
第二章 web日志挖掘概述 4
2.1 数据挖掘 4
2.1.1数据挖掘的一般过程 4
2.1.2 数据挖掘的算法模型分类 5
2.2 web数据挖掘 6
2.2.1 web数据挖掘的数据源 6
2.2.2 web数据挖掘的分类 7
2.3 web日志挖掘与个性化推荐 8
2.3.1 数据来源 8
2.3.3 web日志挖掘的应用过程 9
2.3.4 基于web挖掘的个性化推荐方法 10
2.3.5 web数据挖掘与个性化推荐的益处 12
2. 4 本章小节 13
第三章 基于web日志挖掘的个性化推荐原型系统 14
3.1个性化 14
3.2个性化推荐系统框架设计 14
3.3 个性化推荐系统主要功能模块 16
3.3.1 预处理模块 16
3.3.2 挖掘模块 18
3.3.3 推荐模块 19
3.4 个性化推荐系统工作流程 19
3.5本章小结 20
第四章 个性化推荐系统算法研究与改进 21
4.1马尔可夫预测模型定义 21
4.2马尔可夫预测原型 22
4.2.1传统马尔可夫预测模型 22
4.2.2 混合马尔可夫预测方法 24
4.2.3多马尔可夫链预测模型 26
4.3马尔可夫预测模型改进 28
4.3.1模型存储结构的改进 28
4.3.2 用户特征分类 31
4.3.3 引入页面聚类思想 36
4.3.4改进模型的分析 38
第五章 实验及结果分析 40
5.1实验对比 40
5.2本章小结 43
第六章 总结与展望 44
6.1总结 44
6.2进一步工作展望 44 |