Web 用户访问模式挖掘系统框架模型研究

Web 用户访问模式挖掘技术可以从服务器、浏览器端的日志记录中自动发现用户的访问偏好、兴趣和趋势等 信息,目前已经成为web 挖掘领域的一个研究热点。文章首先给出Web 访问模式挖掘系统的一般框架模型,然后介绍了 框架模型中主要组成部分的工作原理,在此基础上,对Web 访问模式挖掘系统中的一些关键技术的最新研究进展状况作 了阐述和分析,其中包括数据采集、数据预处理、模式发现、用户可视化界面等,最后分析了未来该领域的研究重点作 了展望。     

基于社区Web日志挖掘的用户行为实证研究

用户访问行为信息记录在Web日志中,通过对海量Web日志进行清洗、抽取和加载来构建用户行为数据仓库,并结合文章所提出的用户访问路径概率矩阵模型进行数据挖掘,可以实现智能化的用户行为监控,可以为用户提供及时优质的信息服务。     

基于用户访问序列挖掘的站点路径优化分析

由于网站的结构设计,对特定用户而言信息获取的代价与所经过的浏览路径长度成正比,这些位于路径中间的不必要的文档就无疑增加了用户获取信息的代价。本文利用Web挖掘的方法和技术对用户所访问的页面序列进行挖掘,构建路径优化的模型,实现对当前站点排序方式的优化,从而最大限度地优化用户访问体验,提高当前站点信息获取的整体效率。     

论基于Web用户访问信息挖掘技术的个性化定制服务

本文论述了Web用户信息探索的内容和用户访问模式挖掘的实现方法，从几个方面分析了Web用户访问模式的发现技术在个性化定制服务中的应用。展望了Web访问信息挖掘技术的成熟对个性化定制服务水平的前景。     

Web文本挖掘研究

本文在介绍了Web挖掘的基础上,重点分析了Web文本挖掘的概念、过程及其关键技术,包括文本的特征表示与提取、文本的分类与聚类等。     

论Web挖掘中的客户隐私权保护

本文探讨了Web挖掘的数据采集与挖掘及其可能涉及到的客户隐私权纠纷，并进一步从立法规范、技术防范、行业自律等方面，提出了Web挖掘中的客户隐私权保护策略。     

浅析基于Web挖掘的电子商务模型

文章首先对Web挖掘进行了简要的介绍，重点阐述了Web挖掘在电子商务中的应用，包括电子商务中Web挖掘的方法和Web挖掘对电子商务的建设与运行所起的作用，最后以传统的电子商务模型为参照提出基于Web挖掘的电子商务模型。     

试论Web中的数据挖掘

随着 Internet/Intranet的迅速发展 ,Web已成为一个巨大的信息源 ,如何有效地利用这些信息变得非常重要 ,本文详细介绍了 Web挖掘技术的概念、分类及实现技术 ,并介绍了一些实用的 Web挖掘工具     

Web挖掘在网络教育中的应用研究

文章讨论了将Web挖掘应用在网络教育中的必要性,以及Web内容挖掘、Web结构挖掘和Web使用挖掘在网络教育中的应用。     

基于Web日志的用户访问路径提取与分析

线上购物相对线下购物的一个特点是可以将用户的购物过程记录到网站的Web日志中,为研究用户网上行为特征提供必要的数据支持.本文详细介绍了对Web日志数据进行预处理的一系列步骤和方法,并以某出版社网站18天的日志数据为实证,提取出用户的访问路径(访问页面的先后次序),分析路径信息得到用户在不同页面之间访问的转换概率,从而定量地衡量购物流程中各步骤之间的转换率和贡献率,提炼出用户最有可能的前向转换路径和后向转换路径,以期对网站流程优化和商品促销设置提供决策支持.     

Web日志中用户存取模式的聚类研究

基于用户访问网页的不同序列反映了用户特定的兴趣,提出了Web日志中用户存取模式的聚类算法。利用传统的Leader算法只扫描数据集一遍的优点,以及粗糙理论在处理含有不确定信息问题上的优势,给出了结合粗糙理论的改进Leader算法对用户存取模式进行聚类方法,使得同一类中的用户存取模式尽可能的相近或相似,不同类中的模式尽可能的相异。实验结果表明,该算法在可承受的计算时间内可对Web日志中的用户存取模式进行有效聚类。     

基于用户体验的Web信息构建模型研究

文章在分析用户体验与web信息构建结合研究趋势和特点的基础上,提出基于用户体验的Web信息构建模型,主要内容包括模型设计、特点分析、系统构建和用户体验设计四个方面.     

基于Web挖掘技术的用户兴趣本体学习研究

目前针对基于关键词的用户模型不能从语义上表达用户需求真正内涵,基于领域本体的用户模型多数忽略研究概念间非分类关系和语义应用环境较分散等缺陷。本文提出一种循环式的基于Web挖掘技术的用户兴趣本体学习模型,即综合应用统计分析、关联规则和聚类分析等技术进行电子商务领域用户兴趣概念及概念间分类与非分类关系学习,面对用户兴趣的迅速变化,还提出一种传递激活方法来实时更新本体或重新进行本体学习,以不断提高该本体的质量。经验证,基于该本体的用户模型在文本过滤等应用中能较上述两种用户模型满足用户个性化服务需求。     

Research on User Interests Mining Model Based on Topic Map

用户兴趣模型是个性化服务的核心,对用户兴趣的挖掘可以发现潜在的兴趣知识,提供更为优化的服务.本文将主题图技术与用户兴趣模型结合起来,研究了用户兴趣知识的主题图表示,并在此基础上运用无尺度图K-中心点聚类算法对构建的主题图进行深层次的聚类挖掘,建立了基于主题图的用户兴趣挖掘模型.在解释模型各个模块功能的同时,提出了该过程模型中的关键问题,并对建立模型过程中的无尺度图K-中心点聚类算法、文档中的主题图表示及主题概化和主题图合并等关键问题进行了深入的分析,最终构建了智能主题图,实现了过程建模和事物建模.     

持久偏爱的Web用户访问路径信息挖掘方法

现有的Web用户访问路径信息发现方法大都着眼于从静态的Web日志快照中进行挖掘.本文力图从Web访问数据的历史演变过程中,发现新的知识--持久偏爱的Web用户访问路径PP-WAP.PP-WAP实际上是历史访问序列WAS中大部分时间支持度值波动很小且保持较高的访问路径信息.本文首先介绍了相关背景和PP-WAP的应用领域.接下来,利用无序树结构来表示历史WAS集合,同时给出了PP-WAP的定义和挖掘算法描述.最后,分别针对模拟和实际数据集对算法的可扩展性以及PP-WAP的应用价值作了实验分析.     

基于SQL Server 2005的Web日志挖掘系统构建

分析Web日志挖掘在图书馆中的应用，提出一种利用SQL Server 2005数据挖掘平台构建日志挖掘系统的方法，详细介绍系统主要组件的功能和实现方法，并给出相应的系统框架设计图，最后论述此设计的优点。     

构建基于读者Web访问行为分析的决策支持系统

随着图书馆数字资源的日益丰富,读者访问了哪些资源,对哪些资源感兴趣,图书馆对于纸质文献、数字资源的采购与建设需要科学的决策支持系统来完成。基于图书馆网站访问行为分析成为建立决策支持系统的关键因素。本文在此基础上构建了图书馆的决策支持系统。     

基于Web挖掘与社会网络分析的用户聚类研究

web用户聚类对于个性化服务、网站结构优化等具有重要意义。文章从用户的访问路径、项目评分等角度总结了用户聚类方法及算法,指出当前用户聚类研究存在的不足,提出了结合Web挖掘与社会网络分析方法的用户聚类的模型,分析了两者结合的必要性及结合策略,形成较为完善的用户聚类机制。