个性化服务中用户访问模式的挖掘

上海交通大学硕士学位论文个性化服务中用户访问模式的挖掘姓名：王咏申请学位级别：硕士专业：计算机软件与理论指导教师：申瑞民20040101-1--2--3--4-1200401152-7-1-8--9--10--11--12-2.4-13--14--15--16--17--18--19--20--21--22--23--24--25-4.1UAPT(UserAccessPatternTree)-26--27--28--29--30--31--32--33--34--35--36--37--38--39--40--41--42--43--44--45-à-46-à-47--48--49--50-4.7web-51--52--53--54--55--56--57--58--59--60--61--62--63--64--65--66--67-个性化服务中用户访问模式的挖掘作者：王咏学位授予单位：上海交通大学相似文献(10条)1.期刊论文陈伟Web挖掘在电子商务中的应用研究-商场现代化2009,(2)当今电子商务蓬勃发展,其网站服务器上积累了大量的数据,这些数据隐含着很多对市场分析及预测有用的知识,可以运用web挖掘技术加以获得,从而增强企业的竞争力.本文主要介绍了Web挖掘的概念和分类,论述了电子商务中Web挖掘的过程和方法,最后阐述了Web挖掘技术在电子商务中的应用.2.学位论文李颖基面向智能电子商务的Web挖掘理论与方法的研究2005随着全球信息化的发展，信息量指数增长，电子商务在全球取得了迅速发展。目前电子商务已经发展到一个新的阶段，处理对象向综合化、大型化、复杂化方向发展。把智能计算技术应用到电子商务，解决现有电子商务技术在大量商品信息的搜索、分析和决策等方面的种种不足，已经成为发达国家大企业提高竞争力和市场份额的战略选择。利用Web挖掘技术对电子商务中的大量数据进行存储、管理、对比、检索、寻找其相关性，挖掘出数据所隐藏的规律，自动获取知识，可以对电子商务作出决策支持。智能电子商务网站能为用户提供个性化和推荐商品服务，使用户快速找到自己需要的商品，提高用户的信任度。智能电子商务网站也可以通过预取和缓存方法来提高网站的性能，减少用户的延时感受，间接提高用户的满意度。为用户提供更加称心如意的智能服务，让用户享受一种个性化的购物体验，才能留住和争取更多的用户，从而在竞争中取得先机。　　目前，基于Web挖掘的智能电子商务技术存在着各种不同的问题。首先，大部分Web挖掘方法都使用Web日志作为数据源，冗余数据多，预处理方法不精确且效率低，为挖掘算法提供质量差的数据源。其次，各种Web挖掘算法没有很好地结合电子商务的特性来设计，挖掘算法性能低，挖掘结果的质量差且缺乏语义。再次，存放挖掘结果的知识库没有得到有效管理，降低了知识匹配速度和利用率。以上这些问题都很大程度地影响了智能服务的精度和性能。本文针对当前基于Web挖掘的智能电子商务网站中存在的问题，设计了一个组件化的多层次的体系结构框架，提出了利用新的Web数据源模型统一事件模型作为基础，设计个性化、推荐、预取、规则求精等方面的智能算法，为网上用户提供比现有电子商务网站更具人性化特色和成功率更高的智能服务。本论文的创新主要体现在：(1)提出了一种基于应用层记录的统一事件模型UEM。该模型提供方便和精确的数据源搜集方式，搜集的数据内容齐全，提供Web挖掘算法分析所需要的数据。UEM的准确、快速的用户识别和会话识别算法为Web使用挖掘算法提供了准确的数据源。UEM可扩充性好，可以根据需要很方便地增加各种的电子商务行为的数据记录。UEM能方便地把用户会话的结果转化为事件序列库，供Web挖掘算法使用。UEM很好地支持多维多层次的Web使用挖掘算法分析。新的Web数据源模型的提出，为智能电子商务站点提供了高质量的数据源，进而提高智能服务的质量。　　(2)通过改进的信任函数公式和启发式聚类方法，提出了基于用户任务级的Web用户聚类算法UTC，发现每簇用户群共同的访问模式。UTC将频繁特征子序列视为任务，使用信任函数进行基于用户任务级的用户聚类挖掘。基于用户级的挖掘能有效地挖掘同组用户共同的访问模式且具有较好的性能；基于任务级的挖掘具有较好的语义涵义且具有较好的性能。该算法有效地挖掘用户群的访问模式，为智能电子商务站点提供更高质量的个性化、推荐等智能服务。　　(3)提出一种基于Markov树的混合阶Markov树预取算法HOMT，发现用户访问转移模式，同时进行快速的在线预取。HOMT使用一个模式树压缩存储所有的Web访问序列和一种逐阶增量更新方法来创建所有阶的Markov模式树。混合阶算法综合考虑Markov模型各阶对预取的影响，具有高覆盖率和高精确率。利用离线产生的预取树，HOMT在线使用快速预测算法进行用户访问预测，从而进行高性能的预取。该算法有效提高了电子商务中Web预取等智能服务的质量，减少用户的延时感受。　　(4)提出了Web拓扑概率模型和有趣关联规则算法IAR，结合商品目录(网络拓扑等)，对挖掘出的关联规则进行有趣度评价，得出有趣度高的规则，即规则求精。进一步改进了IAR算法，提出了一种矩阵迭代的规则求精算法WTPM，快速迭代求解任意两个页面间的关联概率。规则求精能对知识库进行有效管理，提高了知识的利用率，进而提高智能服务的质量和性能。　　(5)充分结合多功能数据挖掘器(MFDM)，设计并实现多层体系架构的智能商品信息分析决策网站的原型系统MyEShop，作为具有自主知识产权的Ego网络购物引擎系统的一部分。Ego系统采用搜索技术自动在网上搜索商品信息，并自动进行信息提取，学习用户兴趣，进行个性化、推荐、预取等智能服务。目前，国内外极少出现能将搜索引擎技术和智能电子商务技术有机结合的产品。3.期刊论文Web挖掘及其在电子商务中的应用研究-计算机技术与发展2006,16(8)作为一种崭新的信息处理技术,Web挖掘受到了人们极大的关注.电子商务是一种新型的现代商务模式,如何将Web挖掘应用于电子商务,来有效地处理信息,成为企业共同关注的问题.文中介绍了Web挖掘的概念和分类,阐述了Web挖掘在电子商务中的挖掘方法和过程,讨论了Web挖掘在电子商务中的典型应用,并就一个事例进行了具体的分析.4.学位论文易明基于Web挖掘的电子商务个性化推荐机理与方法研究2006在当前高度竞争的电子商务环境中，个性化推荐已经成为电子商务站点吸引新用户、保持老用户的重要手段。然而，我国的电子商务个性化推荐相对国外存在较大差距，而理论研究的落后是影响其发展的直接原因。本文正是在这种背景下，将Web挖掘理论与方法应用到电子商务个性化推荐中，并利用全信息理论和信息运动过程模型，对基于Web挖掘的电子商务个性化推荐机理与方法展开全面系统的研究。本文首先从数据输入、数据预处理、模式发现和在线推荐四个环节分析了基于Web挖掘的电子商务个性化推荐流程，以此为基础，应用全信息理论和信息运动过程模型，从“点击流”信息资源开发与利用的角度，建立了基于Web挖掘的电子商务个性化推荐模型，提出了基于语法、语义和语用三种层次的电子商务个性化推荐方法体系。其二，分析了语法层次的Web用户偏好分析与推荐问题。首先，描述了语法层次的Web用户偏好分析与推荐框架，然后分析了从Web日志数据中提取Web交易事务集的过程，以此为基础，重点阐述了基于Web交易事务聚类的用户偏好分析与推荐方法。其三，分析了语义层次的基于Web文本挖掘的推荐规则获取与匹配问题。首先，构建了基于Web文本挖掘的推荐规则获取与匹配模型，然后利用基于向量空间模型的Web文本表示方法对Web文本数据进行预处理，以此为基础，提出了一种基于Web特征词条聚类的推荐规则获取与匹配方法。其四，分析了整合Web语义知识的电子商务个性化推荐方法，它属于语义层次的电子商务个性化推荐方法。首先，提出了整合Web语义知识的电子商务个性化推荐框架，然后利用我国学者提出的领域本体构建方法阐述了当当网Web领域本体构建过程，并以当当网Web领域本体为例，通过构造约简的语义层次的Web使用文档和用户当前会话，利用Web领域本体概念相似性比较方法，提出了一种基于Web领域本体的电子商务个性化推荐方法。最后，分析了语用层次的Web用户效用函数构建问题。首先重点讨论了如何利用用户隐式反馈——用户点击行为所体现的效用权重来构建效用函数，然后，假定针对特定商品（台式电脑）的一般用户效用函数已经构建，以此为基础构建先验贝叶斯网络，接着重点分析了如何利用贝叶斯网络的学习机制来构建针对特定用户的面向此次站点访问的效用函数。5.期刊论文宋艳.SONGYanWeb挖掘在电子商务中的应用-电脑知识与技术2008,2(14)如何从海量的Web数据中发现有用的知识是一个迫切需要研究的课题,因此,Web挖掘应运而生,成为一个全新的研究领域.Web挖掘就是从Web文档和Web活动中抽取潜在的有用模式和隐藏信息.随着电子商务的发展,Web挖掘进入了一个新的应用领域,介绍了Web挖掘技术在电子商务中的具体应用,运用Web挖掘技术对Web数据进行挖掘,了解客户的行为,从而调整站点结构、市场策略等,使电子商务活动具有针对性.6.学位论文何典面向电子商务个性化服务的Web挖掘应用研究2005随着网络技术和数据库技术的发展以及互联网应用的普及，电子商务正处于飞速发展的时期。电子商务网站不断涌现，竞争日趋激烈，电子商务网站的用户数目和商品数目日益增加，个性化服务成为新时期电子商务网站立足和取得成功的重要手段之一。电子商务网站积累了大量的业务数据和用户访问信息。将数据挖掘技术和Web挖掘技术应用到电子商务中，可以从海量的数据中得到有用的知识，用来指导电子商务网站对用户进行个性化服务，从而提高用户的获得率和忠诚度，增强网站的交叉销售能力。本文介绍了电子商务及其主要实现技术，指出了研究电子商务个性化服务的重要意义，综述了电子商务个性化服务的发展和现状，指出了Web挖掘技术对于电子商务个性化服务的作用和意义。本文论述了数据挖掘和Web挖掘技术的定义、特点、过程模型和研究现状。对个性化服务中主要使用的Web使用记录挖掘过程进行了描述。对Web日志挖掘技术进行了深入探讨，指出了其关键技术和难点。本文针对Web日志挖掘存在的困难和不足，根据电子商务个性化服务的要求，提出了在Web挖掘中使用用户访问记录代替Web日志作为主要数据来源，并且结合动态页面应用程序，主动、有选择性地进行用户访问记录的收集。本文指出了用户访问记录的组成，给出了具体的数据采集和用户识别方法，并进行了可行性分析和相关实验。实验表明，该方法对系统的响应时延影响很小，并且大大减少了待挖掘的数据量，减轻了数据清理的工作量，提高了用户识别的准确度，方便了用户识别工作，为提高数据挖掘算法实施的效率打下了良好的基础。据此，本文进一步提出了引入用户访问记录后的基于Web挖掘的电子商务个性化服务体系结构、工作过程和网站布置。在挖掘算法方面，本文对Web使用记录挖掘中普遍用到的访问路经分析和关联规则挖掘进行了简单介绍，重点对通过URL-UserID关联矩阵得到页面聚类和用户聚类的算法进行了研究。指出了可以结合用户的交易结果来评价用户对商品页面的兴趣度，并给出了改进后的算法和计算过程，从而使关联矩阵元素的权值能够更准确地反映用户对商品页面的感兴趣程度。7.期刊论文耿晓中.张军.GENGXiao-zhong.ZHANGJunWeb挖掘及其在电子商务中的应用-长春工程学院学报（自然科学版）2007,8(4)作为一种崭新的信息处理技术,Web挖掘受到了人们极大的关注.电子商务是一种新型的现代商务模式,如何将Web挖掘应用于电子商务,来有效地处理信息,成为企业共同关注的问题.Web挖掘是应用数据挖掘的方法通过对Web页面内容、页面之间的结构、用户访问的信息等各种数据进行分析和挖掘发现潜在的、有用的知识的过程,帮助决策者更加准确地获得商品的销售信息和客户信息,使客户在短时间内完成商品的浏览、搜索以及订购.