检索结果-内蒙古大学图书馆

近年来,随着Internet和web技术的迅速发展,互联网已经渐渐成为一个巨大的、全球性的信息服务中心。随着互联网上信息量的迅速递增,也产生了各种问题。针对这些问题,很多大型网站都推出了个性化服务。个性化服务是一种针对不同web用户,提供不同服务策略和服务内容的服务模式,它通过提前收集web用户信息,分析用户行为和兴趣,进而提供满足用户需求的个性化服务。在网站实施个性化服务过程中,往往面临着web数据量过大,用户信息收集困难等诸多问题,解决这些问题的最有效的途径之一就是将web数据挖掘技术应用到个性化服务中。通过对web数据的有效挖掘,可以更好地了解用户的兴趣,分析用户的访问模式,根据用户的个性需求,为用户实时地提供推荐页面。本文首先介绍了个性化服务、数据挖掘和web数据挖掘等的相关概念,针对当前所实施的个性化服务,分析了其意义其存在的问题,并研究了web数据挖掘的挖掘过程及相关技术。其次,本文提出了一个基于web数据挖掘的个性化服务系统模型,并对各部分功能进行了概述。系统可以根据用户当前访问行为,分析用户模式,动态为用户推荐页面。然后,详细讨论了个性化服务系统中web数据准备的整个过程,并且给出了每一步的关键算法。首先要进行数据收集,然后对收集到的web数据进行预处理,包括：数据清理、用户识别、会话识别、路径补充和事务识别。最后,对关联规则挖掘理论进行了研究,分析了一些传统的挖掘算法及其存在的问题,并通过对其改进,提出在web环境下进行频繁访问模式挖掘的算法,并通过实验验证了该方法性能更优,提高了挖掘效率。

关键词：个性化服务数据挖掘 web数据挖掘数据预处理关联规则频繁访问模式

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘及其在社交网络的应用研究

WEB数据挖掘及其在社交网络的应用研究

引用

作者：卢明泰电子科技大学

学位级别：硕士

随着web2.0技术的不断发展和成熟，互联网已经变得越来越智能化人性化和社会化它开始逐渐渗透到人们生活的方方面面，影响并改变着人们的生活方式作为web2.0时代的代表性产品——社交网络已经以迅雷不及掩耳之势席卷了全球社交网络平台... 详细信息

随着web2.0技术的不断发展和成熟，互联网已经变得越来越智能化人性化和社会化它开始逐渐渗透到人们生活的方方面面，影响并改变着人们的生活方式作为web2.0时代的代表性产品——社交网络已经以迅雷不及掩耳之势席卷了全球社交网络平台上用户的交互信息开始呈现出爆发式的增长趋势然而，人们却面临着信息爆炸但是智慧贫瘠的尴尬局面[1]互联网web2.0时代的核心概念便是以用户为中心，重视用户体验和用户交互因此，如何有效地收集和利用社交网络平台上海量的用户交互信息，并从中挖掘出有价值的知识，以此来提高社交网络的用户体验，成为了互联网行业研究和讨论的热点为了提高社交网络海量用户交互数据的使用率，本文尝试性地将web数据挖掘技术引入到社交网络的应用中去通过对web数据挖掘技术社交网络特性以及个人标签云的相关理论的深入研究和探索，创新性地提出了基于社交网络平台的个人标签云的概念，并设计和实现了社交网络个人标签云系统本文的主要工作包括以下两个方面：第一理论研究部分，首先详细的分析了数据挖掘和web数据挖掘的相关理论，总结了当前它们的主要技术分类数据源功能处理流程以及面临的关键问题等，为后文在实践中使用web数据挖掘打下了很好的技术理论基础其次细致地概括和研究了社交网络的相关特性，分析了社交网络的组成元素主要内容结构表达方式主要特点和功能等帮助我们全面地了解到了社交网络的发展状况体系结构用户需求模型以及面临的主要问题为后文开发基于社交网络的个人标签云提供了很好的平台理论基础第二实践研究部分，主要体现在设计和实现了基于社交网络的个人标签云系统首先深入地研究并设计了社交网络数据预处理的方法，主要分成日志预处理和文本内容预处理两部分来进行详细说明，为后文文本挖掘提供了高质量的数据源其次分步骤细致地介绍了个人标签云的设计与实现，并总结了创建基于社交网络的个人标签云的现实意义，为未来的研究工作指明了方向

关键词： web数据挖掘社交网络标签内容挖掘数据预处理

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘和个性化搜索引擎研究

Web数据挖掘和个性化搜索引擎研究

引用

作者：刘妮娜浙江大学

学位级别：硕士

web已成为人们获取信息的一个重要途径，随着web信息的日益增长，人们不得不花费大量的时间去搜索浏览自己需要的信息。搜索引擎随之成为人们最普遍使用的信息检索的工具。该工具涉及到信息检索、数据库、数据挖掘、人工智能、分布式处... 详细信息

web已成为人们获取信息的一个重要途径，随着web信息的日益增长，人们不得不花费大量的时间去搜索浏览自己需要的信息。搜索引擎随之成为人们最普遍使用的信息检索的工具。该工具涉及到信息检索、数据库、数据挖掘、人工智能、分布式处理、自然语言处理等多个领域的理论和技术，因而具有综合性和挑战性。但是，目前大多数的搜索引擎提供的服务还不能令用户满意，尤其是个性化的查询请求。因此，个性化搜索引擎成为当前的一个重要研究课题。本文针对目前搜索引擎存在的不足，充分研究了个性化搜索引擎的发展现状，设计并实现了一种个性化搜索引擎，同时提出了一种查询语句优化策略，在此基础上，又对基于语义web的搜索引擎进行了研究探索。本文的主要工作如下： ● 对信息检索技术、搜索引擎的工作流程、发展历史、现状和存在问题进行了简要综述。 ● 对个性化搜索引擎相关技术—web数据挖掘进行了研究。 ● 对个性化搜索引擎的研究现状进行了总结，并设计了个性化搜索引擎模型。 ● 提出了一种查询语句优化策略。 ● 对语义web进行了简要综述，设计了一个基于语义web的搜索引擎。本文的研究与探索为进一步研究搜索引擎的个性化技术，开发高质量的网络检索工具提供了良好的开端。

关键词：信息检索 web数据挖掘搜索引擎个性化语义网

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘的应用与研究

Web数据挖掘的应用与研究

引用

作者：吴胜兵南昌大学

学位级别：硕士

随着Internet的迅速发展,web已成为一个巨大的信息来源,而信息的爆炸性增长与人们知识贫乏之间的矛盾也随之加剧。web使用模式挖掘通过对web站点的访问信息进行分析来理解用户的爱好和行为特征,以满足他们个性化的需求。这对于门户网站... 详细信息

随着Internet的迅速发展,web已成为一个巨大的信息来源,而信息的爆炸性增长与人们知识贫乏之间的矛盾也随之加剧。web使用模式挖掘通过对web站点的访问信息进行分析来理解用户的爱好和行为特征,以满足他们个性化的需求。这对于门户网站管理、开展电子商务和吸引用户等都有深远的意义。目前在web使用模式挖掘中进行用户浏览模式分析主要有3种方法;关联分析、聚类分析和序列模式分析。本文介绍了web数据挖掘技术和粗糙集理论的产生背景和研究现状。对web日志数据预处理的四个阶段进行了综述和研究,并给出了一些算法的伪码以及经过预处理的事务在实际事务数据库中的存储形式。结合粗糙集的粒计算理论,对Apriori关联规则算法进行了分析与研究,给出了一种计算web页面信息粒的支持度方法,从而提出了一种基于粗糙集粒计算的用户访问序列模式关联规则挖掘方法,并对这两种方法进行了实例分析和比较,改进后的算法不仅可以挖掘出比Apriori关联规则更简洁、更强的结果,而且执行效率更高。根据模糊粗糙理论,针对web日志中用户的浏览模式进行聚类分析,使得具有相同或相似浏览模式的用户聚为一类,不同类中用户的浏览模式尽可能的不相似,然后依据web用户的浏览模式和特征来分析用户的兴趣爱好,为用户提供个性化服务等。在此基础上给出了一种在模糊粗糙环境下的相似性度量方法;提出了基于模糊粗糙集近似聚类的web使用模式挖掘方法,并给出了实例分析,验证了算法的有效性。在属性约简中引入了支持度和可信度两个指标来体现用户的兴趣,减少数据约简的数据量,并将它们综合应用于web使用模式挖掘中。

关键词： web数据挖掘 web使用模式挖掘 Rough集粒计算数据约简

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘在电子商务中的应用研究

Web数据挖掘在电子商务中的应用研究

引用

作者：王丹山东科技大学

学位级别：硕士

随着计算机和Internet应用的普及，信息化的进程不断加速，使传统的商务模式面临巨大的变革考验，电子商务得到迅速推广。作为一种与传统模式不同的交易方式，电子商务具有简便、成本低、信息丰富等诸多优点，更是一种被年轻人青睐的时... 详细信息

随着计算机和Internet应用的普及，信息化的进程不断加速，使传统的商务模式面临巨大的变革考验，电子商务得到迅速推广。作为一种与传统模式不同的交易方式，电子商务具有简便、成本低、信息丰富等诸多优点，更是一种被年轻人青睐的时尚购物方式。近年来，我国的电子商务也发展迅速，不仅受到政府和投资商的关注，也吸引了许多的研究者。数据挖掘是当前研究的热点，其中web数据挖掘在电子商务中的应用尤其引人注目。web数据挖掘的目的就是从互联网上浩如烟海的半结构数据中，找到有用的信息和模式，从而为市场分析和决策提供有力的支持。web数据挖掘的对象可以是web页面内容、页面之间的结构、用户访问信息、电子商务信息在内的各种web数据。本文研究了web数据挖掘的基础理论，探讨了其中的关键技术，对web访问信息挖掘进行了深入细致的研究，并在以上工作的基础上设计了一个基于客户浏览行为分析的电子商务推荐系统的结构框架，将设计的挖掘实验应用于此框架，构成一个完整的推荐系统，并分析了该系统的功能，对用户的兴趣程度进行了矩阵量化和计算，在应用过程中根据已有算法的缺陷提出了一种新的聚类算法，并将其用于页面聚类分析，以帮助改进页面归类；对用户的行为进行算法分析；将关联规则挖掘技术运用到电子商务中进行用户访问模式分析，帮助电子商务的经营者改进网站的设计；对电子商务的用户进行分类，针对不同类型的用户进行不同的页面推荐，实现了电子商务的个性化服务。

关键词：数据仓库数据挖掘 web数据挖掘电子商务

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘在电子商务中的研究与应用

Web数据挖掘在电子商务中的研究与应用

引用

作者：方传霞江苏科技大学

学位级别：硕士

近年来,随着网络科技以及移动客户端的快速发展,加速了网购用户的热潮,电子商务的发展已经成为影响经济的关键因素,同时用户在网购过程中,产生大量的用户访问数据和交易数据,这些数据看似杂乱但包含巨大的商业价值,电子商务迫切需要对... 详细信息

近年来,随着网络科技以及移动客户端的快速发展,加速了网购用户的热潮,电子商务的发展已经成为影响经济的关键因素,同时用户在网购过程中,产生大量的用户访问数据和交易数据,这些数据看似杂乱但包含巨大的商业价值,电子商务迫切需要对自身的数据信息和相关联数据进行挖掘,从而能取得竞争优势。web数据挖掘技术也成为了高校和企业的重点研究热点。本文针对实际需求,编写爬虫抓取用户交易数据,并连续抓取淘宝某些商品的销量数据作为研究数据源。首先,介绍了当前web数据挖掘在电子商务的应用,主要集中在物品个性化推荐,根据其推荐算法不同,有不同类别的个性化推荐系统,各有优缺点。当前电子商务网站最主要的还是在基于用户和物品的关联规则推荐。其次,重点介绍模糊聚类算法在客户群划分上的应用,对客户交易数据进行处理,实现模糊聚类算法对其进行分类,根据每类具有的特性对客户进行聚类分析,从而提供商业指导,对客户的喜好偏爱以及商品价格消费区间,以及对电商站点的贡献度,是否是优质客户源,是否是基础客户源或者需要保持的重点客户源等进行研究分类。从而根据数据源,模糊聚类算法在该功能有着很好的聚类效果,将客户划分更加明细。最后,介绍数据抓取技术、安全策略和爬虫主要的模块,包括存储模块、爬虫模块和部署实时监控模块。同时,对抓取的淘宝网的30天的商品销售数据进行拟合幂律分布,以时间序列对商品销量和营业额进行预测分析,采用可视化算法将时间序列数据映射到复杂网络,研究电商销量时间序列分布特点以及波动特性的区别,关注消费者对商品价格以及销售活动等敏感度相关性。

关键词： web数据挖掘模糊聚类电子商务爬虫电商销售数据

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘的研究及其在网络学习个性化推荐中的应用

Web数据挖掘的研究及其在网络学习个性化推荐中的应用

引用

作者：黄琴湖南大学

学位级别：硕士

论文针对网络学习个性化服务的需求，并通过对web数据挖掘技术的深入研究，构建了个性化网络学习的模型以及学习者个性化信息模型，进而提出了网络学习个性化推荐的思想，并设计了其原型系统——PRELS。该原型系统主要将web数据挖掘技... 详细信息

论文针对网络学习个性化服务的需求，并通过对web数据挖掘技术的深入研究，构建了个性化网络学习的模型以及学习者个性化信息模型，进而提出了网络学习个性化推荐的思想，并设计了其原型系统——PRELS。该原型系统主要将web数据挖掘技术应用于网络学习环境中对学习者进行学习资源、学习行为或者捷径的推荐，使得学习者进行网络学习的绩效得到提高，进而改善了网络学习的质量，也满足了学习者个性化的需求。论文运用将web内容挖掘，web结构挖掘，以及web使用挖掘相结合的方法实现网络学习个性化推荐。该网络学习个性化推荐系统(PRELS)运用web使用挖掘技术，通过分析学习者会话的特征以及学习者会话之间的相似性，向学习者提供个性化服务。其中，论文提出了关联数据模糊竞争聚类(fuzzy competitive clustering for relation data，FCCRD)算法，该FCCRD聚类算法是适应于网络学习环境特征，并针对没有明确特征的学习者行为数据而提出的，不仅如此，该算法还将不是严格的欧几里得的学习者会话间相似度数据转换为欧几里得数据，进而提高了聚类的效果。在运用web使用挖掘技术的基础上，该推荐系统还进一步结合了web内容挖掘技术和web结构挖掘技术，提出运用上述技术实现个性化推荐的算法，并将其与web使用挖掘技术相结合，共同组成了网络学习个性化推荐算法，其目的在于运用内容特征聚类得出学习者所访问的web页面内容之间的相关性，以及运用关联规则分析得出网络学习web站点的结构特征，进一步提高个性化推荐的精确度和全面性。最后，论文通过标记语言XML及程序设计语言JAVA实现了上述网络学习个性化推荐系统(PRELS)。总之，论文提出的网络学习个性化推荐系统(PRELS)克服了需要用户提供主观的评价信息，不能处理大规模的数据量，用户的评价信息可能会过时，使用时不方便等缺陷，从而体现了该网络学习个性化推荐系统的优越性。

关键词：网络学习个性化推荐 web数据挖掘关联规则聚类

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘中PageRank和k_means算法的改进研究

Web数据挖掘中PageRank和k_means算法的改进研究

引用

作者：黄灵兰州交通大学

学位级别：硕士

自20世纪90年代以来，互联网和万维网得到了迅猛发展，其功能和业务也在不断扩展和增加，这使得它们成为21世纪用户获取资源、数据和信息的主要场所，这也使得web数据挖掘的任务迫在眉睫。当前，k_means算法是最经典和使用最广泛的划分... 详细信息

自20世纪90年代以来，互联网和万维网得到了迅猛发展，其功能和业务也在不断扩展和增加，这使得它们成为21世纪用户获取资源、数据和信息的主要场所，这也使得web数据挖掘的任务迫在眉睫。当前，k_means算法是最经典和使用最广泛的划分聚类算法，而PageRank算法是web结构挖掘中使用最广泛的算法。基于此，研究了这两种算法的原理，并提出了两种算法的改进方法。　　传统k_means算法选择初始聚类中心的方法是随机数法，这种方法易产生聚类结果陷入局部最优解和聚类精度低的问题，而且聚类结果受孤立点的影响很大。为了解决这一问题，提出了一种基于密度标准差的k_means改进算法。首先计算数据集样本的平均值和标准差，接着计算每个数据点的密度分布函数值，然后计算样本的平均密度和密度标准差，若某一数据点的密度分布函数值小于样本的密度标准差，则划分为孤立点;搜索密度分布函数值数组中的最大值，那么最大值对应的样本点即为初始聚类中心，并将以初始聚类中心为原点，以样本平均值为半径的圆内各点的密度函数值赋值为0，如此重复，直到找到k个初始聚类中心。　　传统PageRank算法不考虑用户的喜好，存在主题漂移的现象，为了改进PageRank算法的两个缺点，提出了基于用户喜好和主题链接的改进PageRank算法。该算法首先计算网站的出度和入度的权威值，其次计算用户访问某一网站的概率，紧接着计算此网站的权威值，然后计算此网站内的网页的主题链接向量，接着计算主题链接向量的相似度，最后计算网页的PR值，以PR值的大小排序此网站内的网页，如此循环，直至网页全部排序完毕。　　两种传统算法和改进算法均由Python语言在PyCharm平台编码实现。通过实验对比传统算法和改进算法，实验结果表明，改进k_means算法消除了孤立点的影响，具有更高的准确率和更好的聚类结果。改进PageRank算法能够根据用户喜好来排序网页，大大提升了用户的体验度，减少了用户自己筛选有用网页的时间。用户不同，得到的排序结果也是不同的。由于此改进算法是基于主题链接的相似度计算PR值的，故此算法在一定程度上可以改进主题漂移的现象。从而证明了两种改进算法的可行性。

关键词： web数据挖掘 k_means算法 PageRank算法

来源：评论

学校读者我要写书评

暂无评论

web数据挖掘技术的研究及在手机设计中的应用

WEB数据挖掘技术的研究及在手机设计中的应用

引用

作者：王忠华华东师范大学

学位级别：硕士

随着web的全球普及和INTERNET技术的飞速发展，互联网上流通的信息也在爆炸性地增长，人们面临着”信息爆炸而知识贫乏”的问题。手机作为人们在工作生活中是不可缺少的，如何从信息量极大丰富的web资源中有效地挖掘出大量的、潜在的、... 详细信息

随着web的全球普及和INTERNET技术的飞速发展，互联网上流通的信息也在爆炸性地增长，人们面临着”信息爆炸而知识贫乏”的问题。手机作为人们在工作生活中是不可缺少的，如何从信息量极大丰富的web资源中有效地挖掘出大量的、潜在的、有价值的知识已经越来越迫切地摆在了面前，这是对数据挖掘领域的一个全新挑战。本文主要研究的是web数据挖掘技术及其在手机设计中的应用。在广泛综合吸收国内外有关数据挖掘和知识发现方法的基础上，基于利用关键字(K)、模式(P)和样本(S)的web信息抽取技术以实现HTML页面内容的信息抽取；结合传统的和基于装配器的信息抽取技术的优点，将半结构化的web数据转化为结构化数据，存储于数据库中；再将web数据挖掘技术运用于辅助设计师进行手机的创新设计以实现设计的自动化、智能化。在上述理论方法研究的基础上，将web数据挖掘技术具体应用于手机的创新设计，以实现手机的智能化辅助设计。通过数据挖掘，找出能辅助设计师进行手机的有用知识模式，再将挖掘出来的有用知识模式通过模糊综合评价，转换为知识，最终通过个性化的图形用户界面，将知识以多样化的形成提交给设计师，设计师就可以设计出新的且符合市场需求的手机。

关键词： web数据挖掘 web信息抽取粗糙区分矩阵 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：