关于ACO的Web使用挖掘方法研究.pdfVIP

生好的影响，从而可以提高基于Web使用挖掘的用户导航推荐结果的质量。 (3)基于蚂蚁觅食行为与用户浏览网页行为的相似性，把Web用户看成是人工的蚂蚁，利用 蚁群算法中的概念“外激素”来反映用户的访问兴趣，提出了一个蚁群导航模型来挖掘用户 的兴趣导航模式。首先考虑了页面访问次数、页面访问顺序、网站结构和页面访问时间等因 素对用户导航路径模式挖掘的影响，其次，考虑了早期访问者与现有访问者对导航路径模式 发现的不同影响，提出了基于蚁群算法的群体用户导航模型，并应用蚁群算法来发现用户偏 好的导航路径模式。实验结果表明，与传统算法相比，蚁群算法应用于用户导航推荐的准确 性较高，说明蚁群算法揭示的是群体用户的兴趣路径，更能反映用户的浏览偏好。 合的方法对访问网站的用户进行聚类。首先介绍了基于群体智能的蚁群聚类算法的四种模型， 然后将基于蚁群觅食行为的蚁群算法引入Web使用聚类。蚁群算法的一个重要特征是对初始 过程不敏感，在满足一定的条件下总是能收敛到全局最优解，但是收敛速度较慢；与蚁群算 法相对照，K．means聚类收敛速度较快，但很可能收敛到一个局部最优解，并且由于初始聚类 是随机生成的，其结果受到初始过程的影响。本文提出一种将K．means·算法嵌入到蚁群算法 中的混合算法，充分利用蚁群算法的全局搜索能力和K．means算法的局部搜索能力，并将该算 法应用到w曲用户聚类问题的求解中，实验结果表明该方法是有效的，与K-means聚类算法 相比，该方法显著地改善了用户导航推荐的准确性。 上述研究在理论上对于蚁群算法的发展具有积极的推动作用，同时也为W曲使用挖掘的 研究提供了一个新的很有前景的方法，在实践上对于提高网站导航推荐的有效性、改善客户 服务具有重要的意义。 关键词：网站导航推荐；Web使用挖掘；蚁群算法；收敛性；会话识别；用户兴趣导航路径 模式；Web用户聚类 2 Abstract Withthe of resourceissharedandinformationis Intemet，the rapiddevelopment global the ofinformationoverloadandinformationlosscaused exchanged．However,theproblem by ofinformationontheInternet limitstheuser’sefficientof exponentialgrowth increasingly usage informationresource．Web serviceofferedwebsitewould theuser’s personalization by improve satisfactionoftheaccess．Thecriticalissuethatweb recommendationfacesisto a personalized give of amount users’behavioralmodel．Withtheconventional deepunderstandinglarge ofanonymous aneffectiveto methodhardtodealwith is personalization anonymoususers，webusagemi