基于个人网页数据挖掘模型的研究和构建

《基于个人网页数据挖掘模型的研究和构建》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、摘要随着互联网与W啊的快速发展，尤其是互联网应用的普及，出现了“信息爆炸”的问题。如何管理互联网上的大量信息，以满足用户不断增长的个性化的信息需求，是研究人员所面临的新课题，由于Web上的信息具有数量庞大、无序性强、重复性大的特点，人们现在还不能迅速、方便地从Web所包含的大量信息中获取所需要的信息。如何从WEB包含的大量信息中发现固有的模式和关联，成了人们迫切希望解决的问题。将传统的数据挖掘技术与Web结合起来，进行Web挖掘就是一个途径。Web挖掘是传统数据挖掘技术在Web环境下的应用，试图从大量的

2、Web文档集合和用户浏览Web的数据信息中发现未知的，有潜在应用价值的模式。Web挖掘分为Web内容挖掘、Web结构挖掘和Web使用纪录挖掘。Web挖掘可以在很多方面发挥作用，如对搜索引擎的结构进行挖掘，确定权威页面，Web文档分类，WebLog分类、智能查询等。本文首先对数据挖掘技术进行了阐述，阐明了什么是数据挖掘、为什么要数据挖掘、如何进行数据挖掘、数据挖掘的主要过程与分类，并介绍了有关数据挖掘发展情况。然后，本文着重论述了Web挖掘的内容、任务及其与数据挖掘的联系与区别，并介绍了使用纪录挖掘及其技

3、术。如何有效地表达用户浏览兴趣是Web使用纪录挖掘研究的方向之一。本文在分析了现有的表达用户浏览兴趣方式的基础上，提出了一种基于树形结构表达用户浏览兴趣的方式，并就此进行了实验。本文最后总结了工作尚存的不足。本人迸一步工作将致力于用户兴趣模型准确性的提高，将得到的用户兴趣模型应用于个性化系统的推荐服务中。【关键词】web挖掘；网页兴趣度；个性化用户模型；向量空间模型；聚类算法【论文类型】应用研究AbstractWiththedevelopmentoftheIntemetandinformationtec

4、hnology,theproblemof”InformationExplosion”hasarisen,thatis．。’RichDataandPoorInformation”．HowtomanagethetremendousmountofinformationoRWWWtomeetthegrowingneedsofpersonalizedinformationisanewsubjectforourresearch．Personalizationhasbeenthefocusofresearch+Per

5、sonalization，thatistogivedifferentservice--strategyanddifferentservice-·contenttodifferentuser．KnowledgeofUSerinterestsanddescribingthembyuserprofilesaretheimportance．Therefore，theeffectivenessofpersonalizeinformationserviceprovidedbythesystemisdetermine

6、dbythefactwhetherornottheUSerprofilesrefectUSerinterestsexactly．Afterthestudyingofthekeytechnologies————webminingtechnologyandmodelinguserprofile，thepapersuggeststhemodelofminingUSerinterests．Themodelisbasedonuserviewedcontentandcombiningwithanalysisofus

7、er'sbehavior．Throughanalyzingdocumentexpressivemodel，featureextractionandfeatureweilghvalue，thewebpageisbeenexpressedbyVectorSpaceModel．Finally,thepaperexperimentonexperimentationandanalyses，proveappliedinpersonalizationsystem．ThefutureworkofthisPaperisa

8、pplyingitintotherecommendation．theadvancedmethoddiscussedabove．Accordingtothethattreeformatinterestmodelisreliable，andCanbethatdevelopingthevalidityofuserinterestmodel，andapplyingitintotherecommendation．[keywords】：WebMinin