一种基于图论的聚类算法NeiMu

提出一种新的基于图论的聚类算法NeiMu。该算法首先分析数据中的对象,寻找每个对象的k近邻,根据k近邻关系构造k近邻有向图,然后通过k近邻有向图中的k-互邻居关系构造k-聚类图,发现数据中的自然聚类。算法的特点是根据数据之间的互为k近邻关系确定数据中的自然簇,而不必引入其他方法来划分小簇,从而能够保证对象不会被错误聚类,仅会与其他小簇一起融合到一个大簇中。这一优点可以有效保证NeiMu算法的聚类质量。而且,NeiMu算法给出的这种类似自底向上的层次聚类结果还有利于用户根据渐变的结果确定最佳的k值。实验结果表明,该算法对密度变化大的数据、大小相差大的数据、任意分布形状的数据均具有很好的聚类质量,对孤立点也很健壮。     

一种面向个性化服务的客户端细粒度用户建模方法

用户建模是实现个性化服务的关键技术。本文分析了二类用户建模存在的问题，给出了细粒度用户模型的定义，结合用户的背景知识，提出了一种客户端细粒度用户建模方法 。采用词频方法选择的特征子集和改进的k近邻分类器构成用户模型。本文的细粒度用户建模方法不需要用户的频繁交互．也不必对用户兴趣作推测，具有更好的系统亲和力
和性能。实验表明，当特征个数为40时，构建的细粒度用户模型的分类精度可达90％以上；在细粒度用户模型中，大量的特征对用户模型没有意义。     

智能Web浏览器及其关键技术

1 引言互联网的飞速发展正在改变着人们的生活,WWW已经成为人们交流和获取信息的重要媒介。1989年起源于CERN的WWW己经发展成为拥有8亿页面的分布式信息空间,而且这个数字仍在以每4至6个月翻一倍的速度增加。然而资源的极大丰富也带来了资源使用的困难,人们发现,在浩瀚的Web信息资源中查找和发现用户感兴趣的信息成为一件非常耗时耗力的事情。传统Web浏览器已经不能适应网络信息资源的迅速增长,主要表现在以下几个方面: 1)没有考虑用户兴趣的差异尽管每个用户兴趣各异,但各Web站点提供的内容对任何用户都相同。传统的Web浏览器只是简单地接收用户的访问请求,与服务器交互后将传来的页面显示给用户,不能根据用户的兴趣提供有针对性的信息,用户不得不花大量的时间和精力从中找出自己感兴趣的信息。