资料下载
×
基于协同推荐的web日志预处理过程
消耗积分:2 |
格式:rar |
大小:147 |
2009-08-19
刘润生
分享资料个
个性化推荐技术是电子商务系统中重要的技术，但对一般的非商务型网站如何向用户提供推荐服务成为当前研究的热点。Web 日志记录了用户访问网站的详细信息，这为推荐技术提供了新的研究领域。本文提出了针对协同推荐算法的web 日志预处理全过程。并对预处理过程的用户识别、会话识别、路径补充、用户兴趣评估进行了详细的探讨并提出了自己的见解。
关键词：web 日志 用户识别 用户兴趣评估
随着互联网以惊人的速度增长，网站的结构和内容变得越来越复杂，网上用户很难找到他们所需要的东西。如何使网站方便用户、使用户在较短时间内找到他所需要的资源，成为当前网站服务应用重点考虑的问题之一。一个有效的解决办法是预测用户未来的请求，给用户提供个性化推荐服务。
目前存在着许多个性化技术，在电子商务网站应用的比较广泛，其中比较成功的是协同过滤推荐技术。传统的协同过滤推荐技术是针对注册用户，许多非注册用户不能得到个性化服务。
大部分用户访问网站并不希望进行麻烦的注册，如何使非注册用户得到个性化服务成为人们关注的一个新的问题。
用户访问网站时，用户的详细浏览行为记录在了Web 服务器上。本文论述了如何分析利用web 日志，使其能够成为协同推荐算法的源数据，从而为非注册用户提供个性化服务。由于web本身的开放性、动态性以及HTTP 协议的不确定性，使得丰富的WEB 日志信息在运用到特定的挖掘算法之前必须经过数据预处理，才能保证挖掘结果的有效性和准确性。
关键词：web 日志 用户识别 用户兴趣评估
随着互联网以惊人的速度增长，网站的结构和内容变得越来越复杂，网上用户很难找到他们所需要的东西。如何使网站方便用户、使用户在较短时间内找到他所需要的资源，成为当前网站服务应用重点考虑的问题之一。一个有效的解决办法是预测用户未来的请求，给用户提供个性化推荐服务。
目前存在着许多个性化技术，在电子商务网站应用的比较广泛，其中比较成功的是协同过滤推荐技术。传统的协同过滤推荐技术是针对注册用户，许多非注册用户不能得到个性化服务。
大部分用户访问网站并不希望进行麻烦的注册，如何使非注册用户得到个性化服务成为人们关注的一个新的问题。
用户访问网站时，用户的详细浏览行为记录在了Web 服务器上。本文论述了如何分析利用web 日志，使其能够成为协同推荐算法的源数据，从而为非注册用户提供个性化服务。由于web本身的开放性、动态性以及HTTP 协议的不确定性，使得丰富的WEB 日志信息在运用到特定的挖掘算法之前必须经过数据预处理，才能保证挖掘结果的有效性和准确性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
