挖掘用户浏览网页兴趣研究.pdfVIP

2012年 第21卷 第 7期 http：／／www．c—S—a．org．ca 计 算 机 系 统 应 用 挖掘用户浏览网页的兴趣研究① 曹 易，张 宁 (上海理工大学 管理学院，上海 200093) 摘 要：通过挖掘网页的浏览记录来对用户群体兴趣进行分析。对访问网站的兴趣类别、时间、用户数进行统 计，得到规律性的结论。其次提出一种改进的基于HAC和k．means的算法对用户根据兴趣进行聚类，挖掘用户 的访问模式。最后验证了主导兴趣的稳定性即随着 日志的增加，用户的最大兴趣是趋于稳定的。 关键词：群体兴趣；数据挖掘；层次聚类；k．menas；主导兴趣 StudyoftheUses’InterestsBasedontheInternetBrowsingHistory CAOYi，ZHANGNing (Businessschool，UniversityofShanghaiforSciencenadTechnology,Shanghai200093，China,) Abstract：Thispaperanalysestheusers’groupinterestsbyminingtheinternetbrowsinghistory．Tocountthevisiting informationofhteinterests’categories，visitingtimena dthenumberofusers，gettheregularityofconclusion．Th en,it hasputforwardanimprovedHAC(hierrachicalagglomerativeclustering)nadk-meansalgorithmtoclustertheusersby theirniterests，tominehteusers’accessmode．Fnially,ithas provedhtestabilityofusers’domniantinterests．That meanstheusers’mostimportnatniterestsraestableasthetimenicreases． Keywords：rgoupniterests；datamniing；hierrachicalcluster；k-menas；dominnatinterests 随着 Internet的迅猛发展，在当今信息爆炸的时 户的导航模式方法、l，Perkowits用聚类分析的方法研 代，Internet和www 都以指数形式在增长，用户越 究了Web访问的自适应性p】，中科院的高文教授提出 来越难在信息海洋中找到 自己感兴趣的内容。“数据丰 了对Web访问路径进行聚类，每个聚类集就代表了该 富，知识匮乏”，面对这些海量的信息，如何克服这个 集合 内用户的访 问兴趣4【】。模糊聚类分析的基本思想 “数字鸿沟”，如何能准确、快捷、高效的获取有用信 是根据分类对象之间的模糊相似性来考量不同对象的 息，让人人都公平地享有信息资源，无疑是人们关注 异同程度，从而来实现模糊分类。De等5【】使用模糊聚 的一项问题，同时也是一个全球性难题。用户对互联 类理论对web事物进行聚类。Mitra等I6J提出了一种进 网的浏览行为，是人们获取信息的一种重要方式，每 化的粗糙k．means算法聚类web用户，其中遗传算法 次访问大都具有一定的访 问动机，蕴藏着用户的某种 用于阀值以及其他参数的调用，以便聚类效果达到最 兴趣。通过分析这些网页的浏览记录，对个性化服务 佳程度。 技术等方面具有很大的实际应用价值。 本文首先挖掘统计了网页浏览记录的一些信息， 目前对兴趣分析研究主流用的是聚类分析法和线 通过分析这些数据，得出了一些规律性的结论。其次， 性回归分析法，来挖掘用户的访问信息，可在此基础 本文提出了一种改进的基于HAC (凝聚层次聚类)和 上提供个性化服务。国内外机构学者对该领域有：Dan k．means的算法，用其来对用户根据访问兴趣进行分 等人提出利用Web挖掘分类方法，基于w