基于用户访问行为与内容的用户聚类算法的研究与实现.docVIP

  基于用户访问行为与内容的用户聚类算法 的研究与实现 肖宗花，林友芳** 5 10 15 20 25 30 35 40 （北京交通大学计算机与信息技术学院，北京 100044） 摘要：用户聚类算法作为对网络用户喜好进行挖掘的重要手段，有效地找出用户间的共同兴 趣以及单个用户的特殊喜好，被广泛用于推荐系统等应用中。本文首先介绍了用户访问行为 与内容的采集，然后详细描述了如何对数据进行分词、统计等数据预处理得到用户的特征向 量。最后设计并实现了相似性函数、k-means 和谱聚类等算法对用户特征向量进行聚类处理， 并采用评价指标对聚类结果进行评价。经过实验，得出了基于访问行为和内容的特征向量的 聚类结果的有效性更好。 关键词：知识工程；用户聚类；访问行为；访问内容；谱聚类 中图分类号：TP182 The Research and Implementation of User Clustering Algorithm Based on Users Accessing Behavior and Content XIAO Zonghua, LIN Youfang (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044) Abstract: As a important method to mine the preference of the web users, the user clustering algorithms aiming at finding their common interest and the personal sympathies are widely used, such as recommendation system and so on. Firstly, the collection of the web users accessing behavior and content is introduced in this paper. Then, the method to get users feature vectorword after segmentation and word statistics is described in detail. Finally, the algorithms which aim at clustering the feature vectors such as k-means, similarity function and spectral clustering are designed and implemented and the result is evaluated by the evaluating indicators.After the experiments, the clustering result based on both accessing behavior and accessing content is better. Keywords: knowledge engineering; user clustering; accessing behavior; accesing content; spectral clustering 0 引言 随着网络技术的不断发展，用户对网络的体验要求也越来越高。在日常生活中，可以发 现在浏览网页的时候，很多网站都会给用户推荐各种产品。那么，如何能够做到更加有效的 推荐就需要进行进一步研究。那么，从海量般的数据中获取更加有价值的信息，就需要用到 数据挖掘技术。 根据现阶段的文献阅读和实验可以发现，已经存在很多利用 web 用户的行为数据提取 有用信息的方法。目前，研究浏览行为的方法比较多，比如基于用户的浏览路径[1]，基于用 户的搜索内容[2]，基于 e-mail 系统[3]等。 而且，web 用户聚类的目的是找到用户的兴趣点，以便于用于实际应用中，如预测、推 荐等。考虑到用户访问的网页，与 web 用户密切相关的主要有两个：①浏览内容，即 web 用户浏览的网页中的具体文本；浏览行为，即 web 用户在浏览网页时所进行的各种操作 和浏览时间等。 另外，文献[4]提到，web 用户具有以下特点：具有相似的浏览兴趣的 web 用户有相似 作者简介：肖宗花，（1988-），女，硕士研究生，数据与知识工程。 通信联系人：林友芳，（1971-），男，教授，数据与知识工程。E-mail: yflin@ -1-   的浏览行为；具有相似兴趣的 web 用户会浏览相