[00144845]基于Web日志挖掘的智能化站点技术研究

该课题在充分分析国内外研究现状的基础上，提出了通过挖掘Web日志，根据当前用户的访问行为实时地为用户进行个性化推荐的智能化网站基本架构，特别是对其中的关键技术做了深入细致的研究，主要内容如下：　　1、建立并实现基于用户访问模式进行实时推荐的智能化站点原型系统，该系统将Web日志挖掘、聚类和协同推荐相结合进行个性化推荐。系统工作过程为：在对数据进行预处理后，由推荐引擎部分根据预处理结果对用户进行聚类，并根据用户对所访问页面的评分，应用协同过滤推荐算法对用户进行推荐。　　系统主要由三部分组成：一是Web日志预处理部分，该部分主要完成对日志数据的清洗以及用户识别、会话识别、兴趣获取等步骤；二是推荐引擎部分，该部分利用预处理后数据，对用户进行聚类，并在此基础上运行协同过滤推荐算法；三是智能化站点页面，首先得到在线浏览用户的IP地址，然后调用推荐引荐引擎部分所产生推荐结果，动态生成用户访问个性化页面。　　2、在Web日志预处理方面，提出了适合聚类和个性化推荐的预处理方法，根据页面大小、访问频率、访问时间长短计算用户兴趣,减少了推荐误差，提高了推荐精度。　　3、在用户聚类研究中，分析了当前的聚类方法，选择并改进了K-Means聚类算法初始聚类中心的选择方法，降低了孤立点的影响对算法的影响。　　4、在协同过滤算法研究中，本文分析了协同过滤推荐算法，提出了一种改进的协同过滤算法，使得接近采集时间的点击兴趣在推荐过程中具有更大的权值，从而提高了推荐的准确性。研究并实现了将该算法应用于网站个性化服务。首先，根据用户行为建立用户行为模型，利用该模型对用户进行推荐；其次，分析用户相似性，形成当前用户的最近邻居，利用邻居信息进行推荐；最后，从最近邻居信息中产生对目标用户兴趣度的预测或进行信息推荐。　　目前，我国电子商务得到了迅猛发展，国民经济重点行业和骨干企业电子商务应用不断深化，中小企业也成为电子商务的积极实践者。　　该课题所开发的个性化推荐系统适用于电子商务（含企业网站）及各门户网站，通过挖掘Web日志及用户聚类，将用户按兴趣和需求分类，并为用户提供个性化服务，提高网络使用效率，增加企业及网站经营者的收益。同时本系统使用简单、方便，使得系统具有良好的应用前景。