1、Web個性化推薦系統(tǒng)根據(jù)用戶的瀏覽模式預測用戶需求，并向他們提供個性化的推薦服務。目前，個性化推薦系統(tǒng)已成為研究熱點，應用前景廣闊，尤其是在電子商務以及網(wǎng)絡學習方面。然而，盡管人們對個性化推薦技術的探索研究取得了一定的成果，并逐步有商業(yè)化的推薦系統(tǒng)問世，但是這些系統(tǒng)的推薦質量以及用戶的滿意度始終是不盡如人意的。 基于以上背景，本文設計并實現(xiàn)了一個改進的個性化推薦系統(tǒng)，該系統(tǒng)將Web內(nèi)容挖掘及結構挖掘的技術應用到Web使用挖掘的過

2、程中，用以提高推薦的質量。 本文的研究內(nèi)容主要有： 1．獲取Web日志數(shù)據(jù)、頁面內(nèi)容及站點結構信息，將它們作為個性化推薦系統(tǒng)的數(shù)據(jù)源，并針對Web中文網(wǎng)頁以及個性化推薦系統(tǒng)的特點，對數(shù)據(jù)進行預處理，以提高用戶訪問模式識別的精確度。 2．在分析傳統(tǒng)事務識別方法不足的基礎上，結合網(wǎng)頁內(nèi)容對事務識別方法進行適當?shù)母倪M，將內(nèi)容挖掘中的文本聚類算法引入到事務識別的過程中。根據(jù)改進后事務識別方法的需要，對文本聚類算法作相應的

3、修改。 3．通過事務聚類獲得最初的用戶訪問模式，進而，將相關鄰接頁面考慮在內(nèi)，擴展用戶的訪問模式。同時，根據(jù)站點結構信息計算頁面的相對權重，作為在線推薦列表中頁面排序的重要依據(jù)。 4．確定當前用戶感興趣的主題為該用戶的訪問模式；將候選推薦集中的Web頁面是否已被當前用戶訪問過所帶來的推薦權值差異考慮其中，確定最終的推薦函數(shù)：設計并實現(xiàn)具有較高精確性及較低時間復雜度的推薦算法。 本文給出了評估推薦系統(tǒng)有效性的實驗方