个性化推荐技术研究及其在数字图书馆中应用

发布时间：2020-07-19 19:29

【摘要】：近年来，数字存储技术的飞速发展使得几乎所有的事物都可数字化。特别地，以图书馆资源数字化为目的的数字图书馆(Digital Library)建设在各国迅猛发展，其相关研究工作也掀起了一股热潮。在数字图书馆的众多研究方向中，数字图书馆中的个性化服务已经成为一种趋势，其最大优点就是能为不同背景、不同目的的用户提供满足个性化需求的数字资源。通过对Web环境下的用户数据和用户日志进行深入的统计与分析，可以发现用户的兴趣所在，挖掘隐藏在这些数据背后的更重要的用户兴趣模式信息以及关于这些数据整体特征的描述，并预测其发展趋势，进而在恰当的时间方便快捷地为不同的用户提供恰当的“一对一”的个性化信息服务。个性化服务不仅会改善数字图书馆的Web站点设计，而且对数字图书馆整体的服务决策过程具有重要的意义。本文首先介绍了国内外数字图书馆及其个性化技术的研究现状以及高等学校中英文图书数字化合作项目(CADAL)的背景和进展；接着本文阐述了Web挖掘技术的基本原理，并在对Web挖掘过程深入分析的基础上提出了一种新的数据结构--序列模式树，并给出其构建算法。基于构建好的序列模式树数据结构，本文提出了一种频繁序列模式挖掘的算法，并将其应用在数字图书馆个性化服务中。最后，本文给出了基于序列模式树和频繁序列模式挖掘算法的CADAL个性化服务系统的具体实现。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TP393.09;G250.76
【图文】：

体系结构图,体系结构,日志文件,网站

CI断slfi“脉助伙山翻图3一 2Web使用挖掘的大致体系结构图33W七b日志挖掘的数据采集数据可靠性是影响网络个性化服务质量的重要因素，准确的用户数据对识别用户、发现用户的兴趣有着重要的作用。数据采集阶段就是根据系统要求，确定从何处采集用户的使用数据，识别出它们的内容和结构。Web服务器、客户端以及代理服务器是目前三个主要数据来源。3.3.1服务器端的数据服务器端的数据主要包括:Web日志文件、Ccokies和用户显示数据输入。 (1)Web日志文件:web日志文件是用户浏览web服务器时记录下来用户访lb]网站的情况，被记录在Web服务器中。万维网协会 (worldwidewebConsortium)组织规定了服务器日志的两种格式 :cLF(common109format)和EcLF (extendedeommon109format)。(2)cookies:Cookies用来追踪用户浏览过的页面，通过Cookies在客户机器上储存一个信息，当用户下次访问该网站时，这个信息会送回到服务器，从而识

界面图,日志文件,界面图,数据预处理

5.3数据预处理过程的实现数据预处理技术在整个web个性化系统中的作用至关重要。数据预处理主要包括数据清洗，数据过滤，用户识别，用户会话识别等过程。具体的流程如图5一4所示:

界面图,界面,格式设置,后台处理

例如，一个序列用户会话为<a，b，c，d，c，b>，改为 PageOccurrence则变成<(a，1)，(b，1)，(e，1)，(d，l)，(e，2)，(d，2)>·在CADAL的后台处理程序中，创建用户的会话文件的界面如图5一5所示:地....价招阳娜用票热日衡脱栩CF胜B【ion:脚Maximal分 ssionDur减云onOMax诬mal即ge切e.Time，『.5。。.d:}如岭咖L::ie’，’.’..’.’.:.’’.’.’’’..’=.’’.’j匹亚口二竺一)图5一5创建用户会话文件的界面在此界面中，用户可以选择两种不同产生用户会话的方式:即最大会话时间间隔和用户访问的连续页面之间的最大时间间隔。此外，用户可以根据系统提供的格式设置最大时间间隔阀值。在程序中，产生用户会话的是CreateVisitorssessions类，该类通过比较当前的sessinn和分析的日志记录的时间戳，来决定是否需要产生新的session。图5一6给出了从web日志到用户会话的产

【相似文献】