论文部分内容阅读
随着Internet的普及和WWW的迅猛发展，人们可以通过网络在浩瀚的信息海洋中漫游。然而，由于信息的爆炸式增长，很多Web经验不足的用户经常会“迷失”在其中，他们往往因为找不到所需的信息而苦恼万分。因此，根据用户的特殊需求提供更好的Web个性化推荐就是我们现在面临的一个难题。Web个性化推荐的目的是当用户在浏览网站时能够根据其特殊需求实时准确地推荐他可能感兴趣的相关网页，该项技术是提高网站服务质量和访问频率的一种重要手段。首先概述了Web挖掘的基本原理，接着对个性化推荐技术的概念、分类和研究现状等进行了深入探讨，并对典型的关联规则挖掘算法进行了分析和探讨，在此基础上提出了一种新的应用于Web个性化推荐的关联规则挖掘算法。文中重点讨论了其中的几项关键技术：Web挖掘、个性化推荐技术以及利用挖掘的关联规则实现个性化推荐。本文利用FP-Growth算法的思想，采用Freq-Set-Tree结构，设计了一种新的应用于Web个性化推荐的关联规则挖掘算法FP-Mine算法，通过举例对该算法的运行作了一个详细的介绍，并且分别从时间和空间的角度对FP-Growth算法和FP-Mine算法进行了比较和分析。本文深入讨论如何利用挖掘的关联规则进行个性化推荐，给出推荐原型的推荐思想和推荐步骤，当被推荐的页面比较多时，综合考虑规则的置信度，作用度，以及被推荐页面的浏览时间和用户当前访问的页面与被推荐页面之间的距离，计算被推荐页面的加权值，然后根据加权值的大小进行推荐。最后通过实验比较FP-Growth算法和FP-Mine算法的运行时间，验证了FP-Mine算法优于FP-Growth算法：并且对该算法分别从覆盖率、准确率和综合测度方面进行实验，给出具体的性能分析，得出当关联规则的前项长度为变长即1-n时综合测度最好。