

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著Internet的不斷發(fā)展,信息過載和資源迷向已經成為制約人們高效使用Internet信息的瓶頸。人們希望網頁的內容能夠盡可能地根據用戶的瀏覽興趣自動調整,從而使每個用戶感覺好像自己是網站的唯一用戶,實現這一目標的關鍵在于Web網站如何發(fā)現用戶喜好、動態(tài)地為用戶定制觀看的內容或者提供瀏覽建議。這就要求網站信息服務改變過去那種對所有用戶提供界面統(tǒng)一、內容相同的服務方式,從“以站點為中心”向“以用戶為中心”發(fā)展,即站點不但要有針對所有用
2、戶共同感興趣的信息和服務,更要有針對各個用戶的不同興趣、愛好自動組織和調整的個性化服務。在這種情況下,針對不同用戶的需求,建立相應商品服務措施的個性化推薦服務技術被越來越多的企業(yè)迅速地采用,個性化技術已成為電子商務領域中一項迫切而重要的研究課題,個性化推薦技術的研究將具有較高的學術價值和應用前景。
論文總結了個性化推薦領域中Web聚類算法的國內外研究現狀,分析了已有方法的優(yōu)缺點。針對Web數據的非結構性特征以及用戶瀏覽We
3、b時的模糊性與不確定性問題,提出了一種新的相似性度量方法,進而給出了一種基于模糊多重集的Web用戶聚類算法。針對核K-means聚類算法對初始參數敏感的問題,利用局部密度的方法獲得初始聚類中心。本文采用理論分析和模擬實驗相結合的方法展開研究,其主要研究內容如下:
1、總結了個性化推薦中Web聚類分析技術的研究現狀,介紹了兩種常用的聚類算法和Web數據預處理流程,給出了常用的預處理算法。
2、提出了一種改進的W
4、eb用戶聚類方法。把模糊多重集的概念引入到模糊聚類算法中,將反映用戶瀏覽行為的頁面點擊次數、訪問時間、訪問順序等因素用模糊多重集來綜合刻畫用戶訪問站點的興趣度,最后形成用戶相似模式庫。
3、提出了一種局部密度和核K-means的頁面聚類算法,選擇具有高密度且低相似性的樣本點為初始聚類中心。通過實驗對比結果證明該算法可以有效地改善核K-means聚類算法的效果,在處理大數據集時有較高的聚類質量,同時提高聚類的穩(wěn)定性。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Web聚類的個性化推薦服務應用研究.pdf
- 基于服務聚類的個性化語義Web服務發(fā)現機制研究.pdf
- 基于聚類的個性化推薦算法研究.pdf
- 基于用戶聚類的個性化推薦方法研究.pdf
- 基于QoS的個性化Web服務推薦方法研究.pdf
- 基于Web使用挖掘的個性化推薦服務研究.pdf
- 基于標簽聚類的個性化資源推薦模型研究.pdf
- 基于譜聚類的個性化推薦系統(tǒng)研究.pdf
- 基于聚類協(xié)作過濾的商品個性化推薦.pdf
- 基于聚類的個性化推薦關鍵技術研究.pdf
- 基于聚類免疫算法的個性化推薦系統(tǒng)研究.pdf
- 基于聚類的協(xié)同過濾個性化推薦算法研究.pdf
- 基于Web日志挖掘的個性化推薦研究.pdf
- 基于市場模型的WEB個性化推薦研究.pdf
- 基于Web使用挖掘的個性化推薦服務研究與實現.pdf
- 基于Web挖掘的個性化推薦算法研究.pdf
- 基于協(xié)同過濾與QoS的個性化Web服務推薦研究.pdf
- Web服務個性化查詢與推薦系統(tǒng)實現.pdf
- 基于標簽譜聚類的個性化推薦策略相關問題研究.pdf
- 基于標簽聚類和興趣劃分的個性化推薦算法研究.pdf
評論
0/150
提交評論