基于Web客戶端數據的個性化推薦技術研究.pdf

1、隨著網絡信息的迅速膨脹,人們從Web上獲取感興趣信息越來越困難。因此,為用戶提供感興趣信息的個性化推薦技術獲得了廣泛關注。目前個性化推薦技術多數是基于Web服務器端數據的,無法從根本上解決用戶難以較好地獲取感興趣信息的問題。而Web客戶端數據包含單個用戶對多個網站的上網記錄,其數據能更好地反映用戶興趣,因此本文主要研究了基于Web客戶端數據的個性化推薦技術。
　　 首先,研究了Web客戶端的用戶個性化信息提取。Web客戶端的用戶

2、個性化信息主要從IE緩存、IE歷史記錄、收藏夾等獲取,其中IE緩存上網記錄較多、數據冗余較大等特點加大了用戶個性化信息的提取難度。針對這一問題,本文研究了基于網頁分塊的網頁正文信息提取方法,實現了從IE緩存中提取用戶個性化信息。該方法引入網頁分塊的思想,通過使用正則表達式,實現了網頁內容塊抽取及其正文信息提取。實驗結果表明,該方法能夠較準確地抽取用戶個性化信息,且具有較強的通用性。
　　 其次,本文分析比較了現有幾種基于空間向量

3、模型(VSM)表示的用戶興趣模型,將互信息和層次聚類方法應用于用戶興趣建模?；バ畔⒌囊胧褂脩襞d趣模型中興趣特征之間能夠相互關聯,而基于互信息的興趣特征層次聚類又更好的將關聯關系比較強的興趣特征聚集在一起。實驗結果表明,該用戶興趣模型能夠較好地匹配用戶感興趣的信息。
　　 最后,設計并實現一個以用戶為中心的基于客戶端數據的個性化推薦原型系統(tǒng)。測試結果表明,該原型系統(tǒng)能夠從異構的Web客戶端數據中提取用戶個性化信息,并根據用戶個性