《基于浏览行为的用户兴趣建模研究》由会员分享，可在线阅读，更多相关《基于浏览行为的用户兴趣建模研究（66页珍藏版）》请在金锄头文库上搜索。
1、太原理工大学 硕士学位论文 基于浏览行为的用户兴趣建模研究 姓名：靳海娟 申请学位级别：硕士 专业： 指导教师：安建成 20090501 太原理工大学硕士研究生学位论文 I 基于浏览行为的用户兴趣建模研究 摘 要 随着 Internet 的迅速发展，互联网上的信息快速增长，信息类型也越来 越多。虽然人们可以方便地接触到大量的信息，信息资源不足的问题再也 不存在，但是人们同时也受到了信息量严重膨胀所带来的信息查询的困扰。 为了获取自己所需的有效信息，人们开始借助一些信息查询工具。但是目 前的查询工具存在很多问题，归根结底就是不能满足不同用户的个性化需 求。在这样的前提下，个性化服务自然成为当前信
2、息服务领域的研究热点 之一。 个性化服务的主要目的是为用户提供个性化的信息，即根据用户上网 时提出的明确要求或通过对用户上网习惯的分析而主动向用户提供可能需 要的信息。个性化服务的实质是针对不同的用户采取不同的服务内容，就 是为特定的用户指定特定的 Web 内容和应用。个性化服务是网络信息环境 发展的产物，是信息服务发展的必然趋势。 随着研究的不断开展，遗传算法、数据挖掘、机器学习、人工智能、 统计理论、粗糙集理论和神经网络等越来越多的方法被应用到了个性化服 务中。其中，遗传算法的应用最为广泛。 本文的研究内容是用户兴趣建模及其相关技术，重点对建模中用到的 遗传算法和基于浏览时间的用户兴趣建模
3、展开了研究，主要工作如下： 1.概述了个性化系统的服务形式、相关技术、研究内容和分类。简单 介绍了用户兴趣建模的概念，阐述了用户兴趣建模的相关理论和技术。 2.遗传算法的研究及其应用。鉴于遗传算法在用户兴趣建模中的良好 太原理工大学硕士研究生学位论文 II 作用，本文分析了基本遗传算法的优缺点，在参考已有改进策略的基础上， 提出了一种改进的实数编码自适应遗传算法。改进的遗传算法将进化过程 分为进化初期和进化后期。进化初期，使用固定的交叉率和变异率。进化 后期使用自适应的交叉率和变异率。实验表明，改进的遗传算法的性能比 基本遗传算法有较大改善。 3.本文研究了现有的运用遗传算法的用户兴趣建模方法
4、，在实验过程 中发现利用这种方法建立的用户兴趣模型准确率较低，不能满足个性化系 统的需求。针对其弊端，本文将改进的遗传算法应用到用户兴趣建模中， 和用户浏览时间以及浏览内容相结合，改进了现有的用户兴趣建模方法。 4.最后在客户端获取了用户在一段时间内浏览过的网页，经过处理后， 分别利用本文改进的遗传算法和基本遗传算法建立了用户兴趣模型。最后 结果表明，利用本文改进的遗传算法建立的用户兴趣模型比利用基本遗传 算法建立的用户兴趣模型更加准确。 关键词：浏览时间，用户兴趣，用户兴趣建模，自适应遗传算法 太原理工大学硕士研究生学位论文 III THE RESEARCH ON USER PROFILE
5、MODELING BASED ON BROWSING BEHAVIORS ABSTRACT Along with the rapid development of Internet, information on the Internet has been expanding rapidly. However, people also feel disturbed when search for information they really need. In order to obtain what they want, people turn to some search tools. B
6、ut the current search tools have a lot of drawbacks, the key problem should be that the search tools cant meet the individual needs of different users. In such a premise, personalized service has naturally become one of the hotspots of the current information service research. Personalized service a
7、ims to provide personalized information to different users. That is, personalized information service can provide information according to the clear request of the users, or it can take the initiative to offer users with potential information services through the analysis of the user personality and
8、 the habits. Along with the ongoing research, a number of methods such as genetic algorithms, data mining, machine learning, artificial intelligence, statistical theory, rough set theory and neural networks have been applied to personalized service. Among the methods, genetic algorithm is most widel
9、y used. 太原理工大学硕士研究生学位论文 IV Some user profile modeling technologies are described in this paper. While user profile modeling method based on genetic algorithm and browsing time is the focus. The major work of this paper is listed as follows: 1. The service forms, service content, technologies and cla
10、ssifications of the personalized service are listed. And the notion, related theory and technologies of user profile modeling are introduced. 2. Simple genetic algorithm is researched in this paper, and the advantages and disadvantages of simple genetic algorithm are analyzed. On the basis of the ex
11、isting improvement strategies, an improved real-coded self-adaptive genetic algorithm is brought forward. The experiment results show that the improved genetic algorithm performs better than the simple genetic algorithm. 3. User profile modeling using genetic algorithm is researched in this paper, a
12、nd then it is verified low effective by experiment. To improve the user profile modeling method, the improved genetic algorithm proposed in this paper is applied. And then, user browsing time and browsing content are also used in user profile modeling. 4. The web pages which users have browsed durin
13、g a period of time are gotten on the client, and then they are processed according to the specifically methods. Next, user profile models are constructed respectively using the two different modeling methods. At last, results show that the improved user profile modeling method performs better than t
14、he traditional user profile modeling method using simple genetic algorithm. 太原理工大学硕士研究生学位论文 V KEY WORDS: self-adaptive genetic algorithm, browsing time, user interest, user profile modeling 太原理工大学硕士研究生学位论文 1 第一章 绪论 1.1 选题背景 自 1993 年以来， Internet 一直以惊人的速度发展， 接入 Internet 的站点亦如雨后春笋 般地增长。据美国有线电视新闻网（CNN）2
15、006 年 11 月 1 日报道，网站数量突破 1 亿 大关1。 相应地， Internet 中的信息也迅速增长。 1998 年年初 Internet 中的页面总数为 3.2 亿，1999 年 2 月这个数字上升为 8 亿，到 2000 年 7 月这个数字已经发展成为 21 亿，而 且仍在以每天 700 万的速度增加。Internet 已经成为全球最大、也最为方便快捷的数字 图书馆2。 虽然人们可以方便地接触到大量的信息，信息资源不足的问题再也不存在，但是人 们也感觉到，目前最大的问题不是信息的缺乏，而是信息量的严重膨胀和信息查询的困 扰。人们为了获取自己所需的有效信息，不得不借助一些信息查询
16、工具进行查询，其中 利用最多的就是搜索引擎。 但是使用搜索引擎并不是尽善尽美， 它主要存在以下问题3,4： ? 搜索的精度不高。有时返回太多的信息，其中包含相关信息，也包含大量的不 相关的信息。 ? 排列无序问题。一个查询返回的结果可能有数千条，但是用户需要的信息可能 排在最后。 ? 没有针对不同用户的个性化信息搜索服务。即针对不同用户提出的相同请求返 回结果是相同的。 其中第 3 个问题是解决其它问题的关键。只有实现信息服务的个性化，才能提高搜 索精度，节约用户获得信息的时间。 个性化服务的主要目的就是要为用户提供个性化的信息， 即根据用户提出的明确要 求或通过对用户上网习惯的分析而主动地向用户提供可能需要的信息。 个性化信息服务 是网络信息环境发展的产物，是信息服务发展的必然趋势，并且已经成为当前学术界和 商业界很热门的
