基于WEB挖掘的高校档案馆用户浏览行为个性化研究

本文首先对当前主要的Web挖掘技术和高校档案馆用户兴趣建模技术进行了分析,提出了以高校档案馆用户在高校档案馆网站浏览内容分析为主,浏览行为分析为辅的高校档案馆用户兴趣挖掘过程模型。而基于Web浏览内容挖掘所得到的用户兴趣模型能较准确地描述用户的兴趣。     

一种改进的用户兴趣模型构建及应用

针对用户浏览的Web页面内容进行用户兴趣挖掘,并采用多元线性回归分析法进行用户浏览行为分析,得到用户兴趣特征矩阵,隐式地创建了用户兴趣描述文件,最后通过基于有效指数的K Means聚类算法得到了改进的用户兴趣模型。实际应用表明,该模型能有效地表达用户的兴趣偏好,提高了个性化服务质量。     

Web使用记录挖掘在电子商务网站中的应用

将Web使用记录挖掘技术应用于电子商务网站中．以Web log文件作为数据源,通过聚类算法以及浏览兴趣模式算法实现对用户日志进行挖掘,得出用户浏览兴趣度模式,实现兴趣模式的表示,并最终提供电子商务网站个性化访问服务,很好地改进了电子商务网站的营销策略,有效地促进电子商务的发展．     

基于FC-MDE模糊聚类的Web用户模式挖掘

Web使用模式挖掘是从用户浏览网站的数据中抽取感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构或为用户提供个性化的服务。尽管Web日志挖掘是一些数据挖掘算法的应用,但不是简单地将数据挖掘算法修改为适用于新的数据类型,其中涉及许多处理工作。试从偏离网页的去除、使用者浏览路径相似程度的计算,对使用者浏览路径的模糊聚类的分析三个方面论述FC—MDE模糊聚类的Web用户模式挖掘。     

基于隐马尔可夫模型的Web用户访问序列挖掘

Web挖掘的一个研究方向是发现用户对网页的兴趣.用户的浏览网页意味着用户对该网页上的某种概念感兴趣.文中提出基于隐马尔可夫模型,对用户访问网页的序列进行分析,发现用户感兴趣的概念,然后把蕴含用户感兴趣概念程度最大的网页推荐给用户.这种模式实质上是一种Web服务设计,给用户提供个性化的优质服务,提高网站的服务质量.     

基于PLSA的个性化Web信息检索系统

分析了用户兴趣特点及变化规律,将用户兴趣分为突出兴趣和次要兴趣两类。采用Web浏览内容挖掘和行为分析相结合的方法进行用户建模,对收藏文档采用PLSA(Probabilistic Latent Semantic Analysis)生成用户突出兴趣和潜在兴趣,对用户查询请求进行扩展以提高查全率。通过对查询结果的二次重排提高TOP-X查准率,从而实现了用户个性化的信息检索。     

Web挖掘在高职数字图书馆个性化服务系统中的应用

在分析Web挖掘技术的内容与类型的基础上，探讨利用We b挖掘技术分析用户的需求信息，发现用户的兴趣模式，并将其应用于数字图书馆中，构建个性化服务模型，不仅实现了图书馆资源的优化，还能为用户带来全新的数字图书馆服务体验。     

基于Web使用挖掘的个性化推荐系统

Web使用模式挖掘是对用户浏览Web后在服务器日志上所留信息的数据挖掘。讨论了挖掘中常用技术及流程,并提出一种Web使用模式挖掘体系结构,介绍了系统的工作原理,对系统设计中的推荐算法等关键技术作了详细讨论。关     

互联网数据使用挖掘研究

随着互联网技术的发展和Web用户和数据的飞速增长,有必要对网络的用户进行追踪和分析.本文首先分析了Web使用挖掘的数据源,然后详细介绍了数据清洗、用户识别、网页浏览识别和路径完善四种预处理功能,最后简单介绍了用户模式分析评价方法.     

互联网数据使用挖掘研究

随着互联网技术的发展和Web用户和数据的飞速增长，有必要对网络的用户进行追踪和分析。本首先分析了Web使用挖掘的数据源，然后详细介绍了数据清洗、用户识别、网页浏览识别和路径完善四种顸处理功能，最后简单介绍了用户模式分析评价方法。     

Web使用挖掘技术研究

Web使用挖掘是对Web用户的网络访问行为进行分析挖掘的过程.从挖掘数据、过程和应用三个方面详细地阐述了Web使用挖掘技术,最后提出了一个基于Web使用挖掘的应用模型.     

Web Service下的商品推荐系统的研究与实现

基于电子商务平台的Web service已经是广大消费者购买或者浏览商品的主要形式之一．但是,网络上的海量信息也给我们带来了很多不便．对于用户来说,如何及时地发现所需要的商品已经变得越来越困难．本文综合运用了关联挖掘、智能推荐算法等机器学习方法提出了一个Web Service下的产品智能推荐Agent模型：Smart Recommendation,该系统通过对用户的历史交易记录的分析,挖掘出客户的购买模式和购买兴趣,并根据发现的模式对用户进行商品的智能推荐．实验结果表明,推荐模型具有较高的准确性,并且对用户的购买行为有一定的指导作用．     

基于Web数据挖掘的图书馆个性化推荐服务探讨

高校图书馆网站作为图书馆信息系统的重要组成部分,是图书馆资源、服务与读者之间的桥梁。规划和建设好图书馆网站,可为用户获取信息、交流信息提供了一个很好的基于Web的信息服务平台。但随着校园图书馆资源的增多,利用基于Web日志挖掘技术根据用户的特性提供具有针对性的信息,还能通过对用户专业特征,研究兴趣的智能分析,主动地向用户推荐其可能需要的信息的个性化推荐系统的建立已成发展趋势。     

基于用户访问模式的Web数据挖掘

Web挖掘为电子商务的海量数据处理提供了强有力的技术手段.本文分析了Web挖掘的基本过程和方法,并重点探讨了基于用户访问行动的Web挖掘方法.以Web日志作为Web挖掘的数据源,提出了用户访问行动的关联矩阵表示方法,并建立了Web用户和页面聚类模型,为电子商务的客户管理、内容管理、个性化服务等提供了决策依据.     

Web挖掘在远程教育个性化服务中的应用

本文结合个性化服务的思想,提出了一种新的基于Web挖掘的个性化远程教学模型。它能充分利用用户Web访问记录以及用户与站点的交互数据进行挖掘,以此来发现学习者的学习兴趣,从而改进页面设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。     

Web挖掘在远程教育个性化服务中的应用

本文结合个性化服务的思想,提出了一种新的基于Web挖掘的个性化远程教学模型。它能充分利用用户Web访问记录以及用户与站点的交互数据进行挖掘,以此来发现学习者的学习兴趣,从而改进页面设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。     

Web使用模式挖掘系统的设计与实现

Web使用挖掘是对服务器日志文件等进行挖掘来获得关于用户浏览行为的知识。本文给出了一个建立在关系数据库基础上的Web使用挖掘系统(WLGMS)体系结构，阐述了设计思想，介绍了系统的工作原理，并重点说明了各模块的工作机理。     

基于改进用户浏览行为个性化搜索引擎系统研究

提出了一种改进用户浏览行为的用户兴趣模型,该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。将这种改进的用户兴趣模型应用于个性化搜索引擎系统中,详述了系统的基本框架、系统基本功能模块,开发了一个演示系统IUBPSES。模拟实验显示:利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索,其搜索效果优于当前主流搜索引擎系统。最后,指出了需要改进和进一步研究方向。     

高校校园网用户兴趣挖掘系统的设计与实现

要充分发挥网络在高等教育中的作用,了解高校用户兴趣分布、挖掘用户兴趣爱好是提出符合客观实际管理方法、教学方法的前提条件。提出一种基于WEB文本分类实现高校用户兴趣挖掘的方法,其主要特点是面向全校范围内用户、用户所有WEB站点访问记录的兴趣挖掘。重点探讨了校园网用户身份识别、WEB文本分类和用户兴趣挖掘。     

基于读者兴趣度的高校图书馆书籍推荐方法研究

随着计算机的迅速发展,基于兴趣度图书推荐系统通过统计用户浏览信息,预测其偏好以达到推荐图书的目的。本文研究用户兴趣模型,通过学习分析个性推荐及主要推荐算法的功能和原理,构建用户兴趣模型,实现了兴趣推荐功能,大大减少了用户索书时间。