基于web日志挖掘的广告模型的分析与设计

发布时间：2017-04-12 01:00

  本文关键词：基于web日志挖掘的广告模型的分析与设计，由笔耕文化传播整理发布。

【摘要】：随着互联网在生活中的快速普及,越来越多的人开始借助互联网平台来获取信息资源,在人们享受互联网发展所带来的方便的同时,也面临信息量剧增所带来的信息迷航等问题,这时人们迫切需要一种新技术能够快速获取到目标资源,互联网企业同样需要这样一种技术来了解用户的兴趣方向,这里就运用到了web日志挖掘技术。本文首先对web日志挖掘的概念和流程做出了详细的介绍,预处理作为web日志挖掘流程中最基础的一个环节,将分别对预处理中的五个步骤进行分析和方案的选择,在预处理完成后,根据web日志数据的特点,采用加权关联规则算法来对其进行频繁项及关联规则的挖掘,由于传统的加权关联规则存在较为明显的缺点,本文从加权关联规则的流程和权值设定两个方面出发对其进行改进,预处理和模式发现后,将建立一个个性化广告模型,意在通过该模型的建立来对网站用户所感兴趣的内容进行分析,将符合其兴趣的广告内容推送给用户,该模型分为离线分析和在线推荐两个模块,分别实现对关联规则库的生成和推荐内容的推送。该模型不仅能实现对网站注册用户的长期兴趣分析,还将通过滑动窗口推荐法实时的对未登录用户当前浏览页面进行追踪,去推荐集中匹配推荐内容,以达到各类型网站用户的体验最优化。
【关键词】：web日志挖掘 关联规则 加权关联规则 滑动窗口推荐
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.1
【目录】：

• 摘要5-6
• Abstract6-13
• 1 绪论13-17
• 1.1 研究背景及意义13
• 1.2 国内外研究现状13-14
• 1.3 论文主要研究内容及创新点14-15
• 1.4 论文结构安排15-17
• 2 日志挖掘与个性化推荐系统17-25
• 2.1 数据挖掘的概论17-18
• 2.1.1 数据挖掘的定义17
• 2.1.2 数据挖掘的过程17-18
• 2.2 web数据挖掘18-20
• 2.3 个性化推荐系统20-25
• 2.3.1 个性化推荐的的发展20-21
• 2.3.2 个性化推荐技术21-25
• 3 web日志预处理研究及改进25-35
• 3.1 Web日志形成的过程25
• 3.2 Web日志的文件格式25-26
• 3.3 web日志的预处理过程26-34
• 3.3.1 数据清洗26-28
• 3.3.2 用户识别28-30
• 3.3.3 会话识别30-31
• 3.3.4 路径补充31-33
• 3.3.5 事务识别33-34
• 3.4 本章小结34-35
• 4 基于web日志的关联规则挖掘35-47
• 4.1 关联规则的相关概念35-36
• 4.2 关联规则的经典算法36-39
• 4.2.1 Apriori算法37-39
• 4.2.2 Apriori算法的局限性39
• 4.3 Apriori算法的改进39-41
• 4.3.1 加权关联规则的意义39-40
• 4.3.2 加权关联规则的模型40-41
• 4.3.3 传统加权关联规则算法的缺点41
• 4.4 加权关联规则算法的改进41-45
• 4.4.1 权值的设定42-43
• 4.4.2 改进后的挖掘算法实现步骤43-44
• 4.4.3 改进后的挖掘算法伪代码与说明44-45
• 4.5 本章小结45-47
• 5 个性化推荐系统模型设计47-63
• 5.1 应用背景47-48
• 5.1.1 数据来源网站背景47
• 5.1.2 个性化推荐模型的嵌入47-48
• 5.2 个性化网络广告推荐模型设计48-51
• 5.2.1 个性化推荐模型结构详细分析48-49
• 5.2.2 推荐模型功能分析49-50
• 5.2.3 个性化推荐模型流程分析50-51
• 5.3 个性化推荐模型模块设计51-55
• 5.3.1 预处理模块51
• 5.3.2 关联规则挖掘模块51-52
• 5.3.3 推荐模块52-55
• 5.4 后台数据库设计55-57
• 5.5 实验及性能分析57-61
• 5.6 本章小结61-63
• 6 总结与展望63-65
• 参考文献65-69
• 致谢69-71
• 作者简介及读研期间主要科研成果71

【参考文献】

中国期刊全文数据库 前10条

1 钟克吟;;基于混合推荐的学术资源推荐系统的服务模式与数据挖掘[J];图书馆学研究;2013年11期

2 苏玉召;牛晓太;赵妍;;提高个性化推荐精度的定制Web日志方法[J];图书与情报;2011年05期

3 周爱武;肖云;封军;;Web日志挖掘数据预处理优化[J];计算机技术与发展;2011年01期

4 赵麟;;基于最大频繁模式挖掘算法进行书目推荐系统的设计与实现[J];现代图书情报技术;2010年05期

5 李成军;杨天奇;;一种改进的加权关联规则挖掘方法[J];计算机工程;2010年07期

6 夏敏捷;朱国华;;基于关联规则挖掘的电子商务个性化推荐系统研究[J];中原工学院学报;2009年05期

7 田晓珍;尚冬娟;;Web的个性化服务[J];重庆工学院学报(自然科学版);2008年07期

8 王涛伟;杨爱民;;加权关联规则研究及其在个性化推荐系统中的应用[J];郑州大学学报(理学版);2007年02期

9 吕佳;;Web日志挖掘技术应用研究[J];重庆师范大学学报(自然科学版);2006年04期

10 沈云斐;沈国强;蒋丽华;覃征;;基于时效性的Web页面个性化推荐模型的研究[J];计算机工程;2006年13期

中国博士学位论文全文数据库 前1条

1 颜端武;面向知识服务的智能推荐系统研究[D];南京理工大学;2007年

中国硕士学位论文全文数据库 前1条

1 王燕;Web日志挖掘技术应用研究[D];贵州大学;2008年

  本文关键词：基于web日志挖掘的广告模型的分析与设计，由笔耕文化传播整理发布。

，

本文编号：300329