本文關(guān)鍵詞：基于web日志挖掘的廣告模型的分析與設(shè)計(jì)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)在生活中的快速普及,越來越多的人開始借助互聯(lián)網(wǎng)平臺來獲取信息資源,在人們享受互聯(lián)網(wǎng)發(fā)展所帶來的方便的同時(shí),也面臨信息量劇增所帶來的信息迷航等問題,這時(shí)人們迫切需要一種新技術(shù)能夠快速獲取到目標(biāo)資源,互聯(lián)網(wǎng)企業(yè)同樣需要這樣一種技術(shù)來了解用戶的興趣方向,這里就運(yùn)用到了web日志挖掘技術(shù)。本文首先對web日志挖掘的概念和流程做出了詳細(xì)的介紹,預(yù)處理作為web日志挖掘流程中最基礎(chǔ)的一個(gè)環(huán)節(jié),將分別對預(yù)處理中的五個(gè)步驟進(jìn)行分析和方案的選擇,在預(yù)處理完成后,根據(jù)web日志數(shù)據(jù)的特點(diǎn),采用加權(quán)關(guān)聯(lián)規(guī)則算法來對其進(jìn)行頻繁項(xiàng)及關(guān)聯(lián)規(guī)則的挖掘,由于傳統(tǒng)的加權(quán)關(guān)聯(lián)規(guī)則存在較為明顯的缺點(diǎn),本文從加權(quán)關(guān)聯(lián)規(guī)則的流程和權(quán)值設(shè)定兩個(gè)方面出發(fā)對其進(jìn)行改進(jìn),預(yù)處理和模式發(fā)現(xiàn)后,將建立一個(gè)個(gè)性化廣告模型,意在通過該模型的建立來對網(wǎng)站用戶所感興趣的內(nèi)容進(jìn)行分析,將符合其興趣的廣告內(nèi)容推送給用戶,該模型分為離線分析和在線推薦兩個(gè)模塊,分別實(shí)現(xiàn)對關(guān)聯(lián)規(guī)則庫的生成和推薦內(nèi)容的推送。該模型不僅能實(shí)現(xiàn)對網(wǎng)站注冊用戶的長期興趣分析,還將通過滑動(dòng)窗口推薦法實(shí)時(shí)的對未登錄用戶當(dāng)前瀏覽頁面進(jìn)行追蹤,去推薦集中匹配推薦內(nèi)容,以達(dá)到各類型網(wǎng)站用戶的體驗(yàn)最優(yōu)化。
【關(guān)鍵詞】：web日志挖掘 關(guān)聯(lián)規(guī)則 加權(quán)關(guān)聯(lián)規(guī)則 滑動(dòng)窗口推薦
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要5-6
• Abstract6-13
• 1 緒論13-17
• 1.1 研究背景及意義13
• 1.2 國內(nèi)外研究現(xiàn)狀13-14
• 1.3 論文主要研究內(nèi)容及創(chuàng)新點(diǎn)14-15
• 1.4 論文結(jié)構(gòu)安排15-17
• 2 日志挖掘與個(gè)性化推薦系統(tǒng)17-25
• 2.1 數(shù)據(jù)挖掘的概論17-18
• 2.1.1 數(shù)據(jù)挖掘的定義17
• 2.1.2 數(shù)據(jù)挖掘的過程17-18
• 2.2 web數(shù)據(jù)挖掘18-20
• 2.3 個(gè)性化推薦系統(tǒng)20-25
• 2.3.1 個(gè)性化推薦的的發(fā)展20-21
• 2.3.2 個(gè)性化推薦技術(shù)21-25
• 3 web日志預(yù)處理研究及改進(jìn)25-35
• 3.1 Web日志形成的過程25
• 3.2 Web日志的文件格式25-26
• 3.3 web日志的預(yù)處理過程26-34
• 3.3.1 數(shù)據(jù)清洗26-28
• 3.3.2 用戶識別28-30
• 3.3.3 會話識別30-31
• 3.3.4 路徑補(bǔ)充31-33
• 3.3.5 事務(wù)識別33-34
• 3.4 本章小結(jié)34-35
• 4 基于web日志的關(guān)聯(lián)規(guī)則挖掘35-47
• 4.1 關(guān)聯(lián)規(guī)則的相關(guān)概念35-36
• 4.2 關(guān)聯(lián)規(guī)則的經(jīng)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算法的改進(jìn)39-41
• 4.3.1 加權(quán)關(guān)聯(lián)規(guī)則的意義39-40
• 4.3.2 加權(quán)關(guān)聯(lián)規(guī)則的模型40-41
• 4.3.3 傳統(tǒng)加權(quán)關(guān)聯(lián)規(guī)則算法的缺點(diǎn)41
• 4.4 加權(quán)關(guān)聯(lián)規(guī)則算法的改進(jìn)41-45
• 4.4.1 權(quán)值的設(shè)定42-43
• 4.4.2 改進(jìn)后的挖掘算法實(shí)現(xiàn)步驟43-44
• 4.4.3 改進(jìn)后的挖掘算法偽代碼與說明44-45
• 4.5 本章小結(jié)45-47
• 5 個(gè)性化推薦系統(tǒng)模型設(shè)計(jì)47-63
• 5.1 應(yīng)用背景47-48
• 5.1.1 數(shù)據(jù)來源網(wǎng)站背景47
• 5.1.2 個(gè)性化推薦模型的嵌入47-48
• 5.2 個(gè)性化網(wǎng)絡(luò)廣告推薦模型設(shè)計(jì)48-51
• 5.2.1 個(gè)性化推薦模型結(jié)構(gòu)詳細(xì)分析48-49
• 5.2.2 推薦模型功能分析49-50
• 5.2.3 個(gè)性化推薦模型流程分析50-51
• 5.3 個(gè)性化推薦模型模塊設(shè)計(jì)51-55
• 5.3.1 預(yù)處理模塊51
• 5.3.2 關(guān)聯(lián)規(guī)則挖掘模塊51-52
• 5.3.3 推薦模塊52-55
• 5.4 后臺數(shù)據(jù)庫設(shè)計(jì)55-57
• 5.5 實(shí)驗(yàn)及性能分析57-61
• 5.6 本章小結(jié)61-63
• 6 總結(jié)與展望63-65
• 參考文獻(xiàn)65-69
• 致謝69-71
• 作者簡介及讀研期間主要科研成果71

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘克吟;;基于混合推薦的學(xué)術(shù)資源推薦系統(tǒng)的服務(wù)模式與數(shù)據(jù)挖掘[J];圖書館學(xué)研究;2013年11期

2 蘇玉召;牛曉太;趙妍;;提高個(gè)性化推薦精度的定制Web日志方法[J];圖書與情報(bào);2011年05期

3 周愛武;肖云;封軍;;Web日志挖掘數(shù)據(jù)預(yù)處理優(yōu)化[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年01期

4 趙麟;;基于最大頻繁模式挖掘算法進(jìn)行書目推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];現(xiàn)代圖書情報(bào)技術(shù);2010年05期

5 李成軍;楊天奇;;一種改進(jìn)的加權(quán)關(guān)聯(lián)規(guī)則挖掘方法[J];計(jì)算機(jī)工程;2010年07期

6 夏敏捷;朱國華;;基于關(guān)聯(lián)規(guī)則挖掘的電子商務(wù)個(gè)性化推薦系統(tǒng)研究[J];中原工學(xué)院學(xué)報(bào);2009年05期

7 田曉珍;尚冬娟;;Web的個(gè)性化服務(wù)[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年07期

8 王濤偉;楊愛民;;加權(quán)關(guān)聯(lián)規(guī)則研究及其在個(gè)性化推薦系統(tǒng)中的應(yīng)用[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2007年02期

9 呂佳;;Web日志挖掘技術(shù)應(yīng)用研究[J];重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

10 沈云斐;沈國強(qiáng);蔣麗華;覃征;;基于時(shí)效性的Web頁面?zhèn)�性化推薦模型的研究[J];計(jì)算機(jī)工程;2006年13期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 顏端武;面向知識服務(wù)的智能推薦系統(tǒng)研究[D];南京理工大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王燕;Web日志挖掘技術(shù)應(yīng)用研究[D];貴州大學(xué);2008年

  本文關(guān)鍵詞：基于web日志挖掘的廣告模型的分析與設(shè)計(jì)，由筆耕文化傳播整理發(fā)布。

，

本文編號：300329