WEB挖掘中用户模型研究

四川师范大学硕士学位论文WEB挖掘中用户模型研究姓名：罗霞申请学位级别：硕士专业：计算机软件与理论指导教师：严余松20090425WEB挖掘中用户模型研究作者：罗霞学位授予单位：四川师范大学相似文献(10条)1.学位论文邱百爽语义网环境下的自适应学习系统中用户模型的研究2008近年来，计算机技术和网络技术飞速发展，网络学习系统的设计开发已成为当前教育研究的一个热点领域。然而，已有的网络学习系统大多按“以教师(系统)为中心”的方式设计，要求学生适应系统，没有充分按照学习规律来进行教育，所以造成了交互性差，学习效果不明显等诸多问题，无法实现因人而异和因材施教。为了解决以上问题，一种以“学生”为中心的自适应学习系统，已成为国内外教育领域的研究热点。目前的这种自适应系统都是基于现有web的，以HTML文本形式存在于Internet之上，因此就受到HTML可扩展性差、交互性差、置标没有语义及缺乏对双字节或多国文字支持的局限性。这些学习系统中的用户模型也都是基于现有的网的，缺少对用户特征的语义描述，因而无法实现用户模型从一个系统到另一个系统的迁移。'[1]而语义web的提出对网络教学中的语义查询、人机交互、意义建构、知识获取和共享、协作学习等提出了前所未有的支持，同时也为描述用户模型中用户特征的语义提供了支持，并使得用户模型在系统间共享成为可能。因此如何构建语义web环境下的自适应学习系统中的用户模型便是本文需要研究的课题。本文以认知心理学、建构主义和人本主义等学习理论为基础，运用ASp.NET、SQLServer数据库技术及一语义web挖掘技术，并以《C语言程序设计》这门课程为依托来研究基于语义web的自适应学习系统中的用户模型。本文分为五个主体部分。第一部分，对国内外自适应学习系统的发展和现状进行分析概括，包括智能教学系统、适应性多媒体系统和自适应学习系统；对比较典型的自适应学习系统中的用户模型进行了分析比较，并总结了目前比较常用的建模技术。第二部分，探讨了语义网环境下的自适应学习系统的理论基础和技术支持以及语义网环境下的自适应学习系统的总体结构。第三部分，对以C语言程序设计课程为例的语义网环境下的自适应学习系统的用户模型进行设计，包括用户认知模型及兴趣模型的设计。第四部分，阐述了以c语言程序设计课程为例的语义网环境下的自适应学习系统中用户模型的创建实践，用xml描述用户模型的语义，在用户模型中利用Protégé实现本体建构，建立用户模型的数据库等。第五部分，论文最后进行总结，并提出了本文理论研究和实践开发今后要做的工作。2.学位论文程静基于Agent和Web挖掘的个性化用户模型研究2002随着Internet迅速发展,网上的信息以极快的速度增长和变化.仅仅依靠测览器,人们很难在短时间内找到自己的目标.搜索引擎在一定程度上可以缓解这个矛盾,但是缺乏智能和个性.解决Web导航问题的另一思路是,构造个性化的WebAgent系统.该论文参考了前人所做的工作,提出了设计个性化WebAgent的几个关键问题:1)个性化用户模型的构建;2)个性化用户模型的更新;3)个性化用户模型的应用——如何过滤与用户无关的信息.在此基础上,提出了将WebUsageMining和WebContentMining结合起来,构建个性化Web用户模型的方法,这也正是该论文的创新之处.3.学位论文朱意霞基于Agent的Web挖掘模型研究与设计2007在互联网这个信息海洋中，人们越来越感到信息的泛滥和查找的艰辛，于是用户便希望拥有一块根据自己的需要而显示相应信息的“私人空间”，基于用户的需求和自身发展的需要，向用户提供个性化的服务已经日益成为互联网的一个发展趋势。Web挖掘和Agent技术是实现Web个性化服务的关键技术。为此，本文提出一个基于Agent的Web挖掘模型，并基于此，设计一个个性化出版物信息发布系统，该系统实现：书籍信息检索个性化：在用户可以浏览所有书籍的基础上，根据用户的兴趣、爱好和特性，快速适应用户兴趣的变化和环境的变化，实现网上信息和用户个性化需求模式的自动匹配，自动过滤掉一些不相关信息，提高检索精度和效率；新闻浏览个性化：在用户可以浏览所有新闻的基础上，根据用户的浏览习惯，按照用户的需要显示用户最感兴趣的新闻；论坛服务个性化：在用户可以浏览和参加所有论坛的基础上，根据用户兴趣显示相应的论坛内容。Agent技术被广泛用在个性化信息检索领域，用于实现人机交互学习，代替人们从事繁杂信息收集、过滤、聚类以及信息融合。在该系统中只需用户提出相应的要求或者做一系列的选择，智能用户Agent就可以将用户要求转化为agent能够识别的命令，并会自动为用户寻找相关服务的agent，通过它们为用户提供服务，最终将结果返回给用户，其中间过程是透明的，用户不必过多关心。4.学位论文教巍巍基于Web挖掘的个性化用户兴趣模型的研究2006随着信息技术的发展，特别是因特网应用的普及，出现了“信息爆炸”的问题，即信息非常丰富而知识相对匮乏。如何管理上的大量信息，以满足用户不断增长的个性化的信息需求，是研究人员面临的新课题，个性化服务技术已经成为当前信息服务领域的研究热点之一。所谓个性化服务就是指对不同的用户采取不同的服务策略，提供不同的服务内容，其关键在于必须知道用户的兴趣，并准确地建立用户兴趣模型。用户兴趣模型能否准确地反映用户的兴趣决定了系统提供个性化服务的质量。本文首先对当前主要的Web挖掘技术和用户兴趣建模技术进行了分析，提出了一种把Web用户浏览内容和浏览行为相结合的方法来构建用户兴趣模型。然后，对文本页面的表示技术进行了初步的探讨和研究，包括：文本的向量空间模型表示，特征项的选择和抽取算法，将文本页面表示为结构化的向量空间模型格式等。接着，本文重点探讨了文本页面的聚类分析和用户兴趣模型的建立两个方面。在分析了现有聚类算法和实际应用环境后，提出了采用比较新的CLOPE聚类算法，实现了CLOPE算法在用户聚类方面的应用，并对关键技术进行了探讨和改进，丰富了智能化推荐页面的深度。在聚类结果的基础上，采用二层树状用户兴趣模型来表示每一个用户的兴趣：表示为(I1，InterestDegree(I1))，(I2，InterestDegree(I2))，…，(Ik，InterestDegree(Ik))的加权矢量格式。最后，对上述改进方法做了较为全面的模拟试验。根据模拟试验分析表明，本文提出的用户兴趣模型能较准确地描述用户兴趣所在，在个性化推荐服务中具有实际应用价值。本文进一步工作将致力于用户兴趣模型准确性的提高，并将得到的用户兴趣模型应用于个性化系统的推荐服务中。5.学位论文管金才基于个人网页数据挖掘模型的研究与构建2007随着互联网与的快速发展，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。本人进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。6.学位论文杨小莉基于Web挖掘的多Agent个性化信息服务系统研究与实现2006Internet是一个开放、动态、异构的网络，资源分布很分散，信息量非常之大，且没有统一的管理。当查找信息时，单凭用户个人的力量查找、过滤信息将会花费大量的时间。搜索引擎以及各种专业的检索系统的出现为人们查找信息减轻了一定的负担。但是这些普通的搜索引擎、专业检索系统并不能满足人们的个性化需求，人们还是需要花费许多时间过滤信息，因此个性化信息服务的概念被人们提出来。本文在研究已有个性化信息服务知识的基础上针对江苏省工程技术文献信息中心信息服务系统提出并实现了基于web挖掘的多Agent个性化信息服务系统。系统功能分别由三个Agent完成——用户Agent、过滤Agent和推荐Agent，三者独立工作，且相互联系。用户Agent主要负责用户模型建立和人机界面交互工作。用户模型建立工作主要分为用户知识的获取、用户模型表示、用户模型更新。过滤Agent负责信息的过滤工作，采用内容过滤和协作过滤相结合的方式。信息推荐Agent负责向用户推荐信息，本系统中采用了网页推荐和邮件推荐形式。三个Agent分工明确，共同完成个性化信息服务工作。三者采用对等结构，结合方式灵活。本系统是国内第一个针对TRIP系统的文献日志进行挖掘的个性化信息服务系统。系统中用户Agent利用江苏省工程技术文献信息中心信息服务系统的支撑平台TRIP系统的文献日志进行挖掘，提取出用户的兴趣，建立了用户模型。另外，系统计算用户兴趣指标时在逆文献频率加权的基础上引入了日期参数。最后根据江苏省工程技术文献信息中心信息服务系统的文献查询日志对系统进行了测评，包括系统性能测评和系统推荐质量测评。本文前两章分别是个性化信息服务综述和相关技术介绍。第3章介绍了基于web挖掘的多Agent个性化信息服务系统的理论模型。第4章介绍了基于web挖掘的多Agent个性化信息服务系统的实现，包括系统的背景介绍、实现流程以及系统介绍。第5章中介绍了基于web挖掘的多Agent个性化信息服务系统测评。测评分为系统处理性能测评和推荐结果测评。第6章为总结与展望，介绍本课题的创新之处，存在的问题以及进一步的研究。7.学位论文杨涛基于Web的个性化学习系统的研究2007互联网的飞速发展改变着传统教育，同时也加快和推动了新型教育模式的出现。基于Web的个性化学习是在远程学习和个性化服务相结合的基础之上发展起来的。由于用户兴趣建模是个性化学习的基础和核心，所以本文围绕如何创建用户模型以及准确表示用户模型进行了详细研究，同时对用户兴趣模型如何在个性化学习系统中的应用也作出了相关研究。首先，分析了用户兴趣模型常用表示方法和兴趣建模的基本技术，并研究了用户长期兴趣和短期兴趣的变化和迁移，利用Web数据挖掘技术，针对用户的浏览内容和访问行为进行挖掘，自动地创建用户长期兴趣模型；另一方面，为了提高用户模型表示的精度，改进了基于关键词表示用户模型的常用方式，提出了一种基于概念表示用户特征项的方法，一定程度上消除了语义的多义性和歧义性。其次，利用已经建立的用户兴趣模型，调度适合用户个性的学习资源时，通过分析常用文档聚类方法以及研究互信息相关理论的基础之上，提出了一种基于互信息的Web文档聚类方法，对相关信息进行聚类，以达到更好地向用户推荐学习内容的目的。最后，对个性化学习系统中的主要功能模块进行设计和实现，并且通过实验验证了论文提出方法的可行性和有效性。8.学位论文孙涛网络广告系统的用户行为定向研究2007随着网络广告的不断发展，其市场规模迅速增大，在企业市场营销中所占比重也日益增大，随之人们对网络广告也产生了越来越高的要求。传统的人口统计学定向方