学位论文 > 优秀研究生学位论文题录展示

基于Web数据挖掘的信息推送

作　者: 朱勤佳
导　师: 崔广才
学　校: 长春理工大学
专　业: 计算机应用技术
关键词: 数据仓库协同过滤算法隐性评价信息推荐
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 0次
引　用: 0次
阅　读: 论文下载

内容摘要

本文系统地阐述了Web数据挖掘相关理论知识及其在真实Web环境中的整个挖掘流程并对其在个性化推荐系统中涉及的各种挖掘算法进行了深入研究。算法包括相似度算法,协同过滤算法等。针对传统的及改进的协同过滤算法存在的不足,本文提出了基于用户隐性评价的Combo协同过滤算法,算法的核心是首先对传统的显性评分机制进行改进,在用户显性评分机制中融入用户的隐性评分信息,而对于未评分的项采用简单的默认值方式处理。然后利用修正的项评分数据进行分级聚类分析,得到一颗分级聚类树,继而结合相关领域知识从分级聚类树中抽象出知识层次树,并对知识层次树构建一个用户种类评价模型以及聚类树到层次树的映射函数F。最后在为目标用户产生推荐的时候,Combo算法会首先分析此用户已平分项的相关信息,然后通过映射函数F找到其涉及项所对应的用户种类评分集,并通过此评分集发现“近邻用户集”,继而产生精确推荐。最后,本文针对Combo算法设计了一个简化的推荐系统框架,并对Combo算法进行了实验仿真,证明此算法在面对个性化推荐系统中遇到的评分数据稀疏问题、网络推手作弊问题时表现出良好的推荐能力。

全文目录

摘要  4-5
ABSTRACT  5-7
第一章绪论  7-10
  1.1 研究背景及意义  7
  1.2 Web数据挖掘国外现状  7-8
  1.3 Web数据挖掘国内现状  8
  1.4 本文内容与论文组织结构  8-10
第二章 Web数据挖掘相关理论知识  10-17
  2.1 Web数据挖掘概述  10-11
  2.2 Web数据挖掘的难点  11
  2.3 Web数据挖掘在互联网中用途  11-12
  2.4 Web数据挖掘的数据源问题  12-13
  2.5 数据仓库和web数据挖掘  13-16
  2.6 本章小结  16-17
第三章基于Web数据挖掘的个性化信息推送  17-26
  3.1 个性化信息推荐系统简介  17-18
  3.2 个性化信息推荐的基础架构  18
  3.3 个性化推荐算法总结  18-21
  3.4 传统的协同过滤算法介绍  21-25
  3.5 本章小结  25-26
第四章协同过滤改进算法的分析及优化  26-39
  4.1 基于聚类的协同过滤算法  26-29
  4.2 基于知识层次树的协同过滤算法  29-32
  4.3 基于项评分预测的协同过滤算法  32-35
  4.4 提出基于用户隐性评价的组合算法  35-38
  4.5 本章小结  38-39
第五章基于Web数据挖掘的信息推送建模  39-49
  5.1 基于Web数据挖掘的推荐系统框架  39
  5.2 数据仓库结构模型  39
  5.3 数据仓库设计  39-42
  5.4 推送模块设计  42-47
  5.5 实验数据模拟  47
  5.6 实验结果分析  47-48
  5.7 本章小结  48-49
第六章总结和工作展望  49-51
  6.1 总结  49
  6.2 工作展望  49-51
致谢  51-52
参考文献  52-53

基于Web数据挖掘的信息推送

内容摘要

全文目录

相似论文