Web-BI联合内容推荐系统简介.pptVIP

《Web-BI 联合内容推荐系统》 辽宁般若网络科技有限公司 2009年2月 什么是Web-BI 联合内容推荐？ Web-BI for 联合内容推荐的要素 Web-BI for 联合内容推荐的要素说明 Web-BI for 联合内容推荐的系统逻辑图 Web-BI for 联合内容推荐的主题内容直接推荐 Web-BI for 联合内容推荐的主题内容关联推荐 关联分析与置信度 Web-BI for 联合内容推荐的个性取向推荐 个性化推荐的过程描述 什么是个性化推荐中的个性取向？ Web-BI for 联合内容推荐的感知器与控制器 Web-BI for 联合内容推荐的与网站的接口 * Web-BI for “联合内容推荐”（Web Business Intelligence Joint Content Recommendation）是在Web-IA网站智能分析 的基础上，根据不同用户（包括匿名用户和注册用户）的访问行为，分析出用户对内容的偏好，提供主题内容直接推荐、主题内容关联推荐和个性取向推荐三种方式的联合推荐。 推荐启发信息 现在用户访问什么网页？谁在访问？ 个性化推荐 对不同用户的个性推荐。 共性化推荐 访问者普遍感兴趣的内容推荐。 推荐知识学习来源 网页信息，用户信息、访问日志 推荐学习机 推荐知识学习、使用是一个完全自动化的训练过程，随着运用会越来越聪明，推荐越来越准确。 推荐控制 在不同场合、针对不同的用户进行推荐内容控制。 可以看出，置信度比支持度更能反映关联程度。 “个性取向表生成”模块，读取访问日志，在“用户信息表”中查找该用户，在“网页信息表”中查找该网页，确定网页所在栏目，将该用户该栏目的统计数加1，读完“访问日志”中的所有记录，将每个用户、每个栏目的PV作为每个用户的“个性取向”保存到“个性取向推荐表”中。 例如：网站有体育、音乐、汽车、科技4个栏目；统计用户Ci访问这4个统栏目的PV数为： Ci1=50; Ci2=20;Ci3=20;Ci4=10; 用户Ci在不同栏目的个性取向计算如下： 体育 Qi1=Ci1/Pi*%=50%; 音乐 Qi2=Ci2/Pi*%=20%; 汽车 Qi3=Ci3/Pi*%=20%; 科技 Qi4=Ci4/Pi*%=10%; 用户Ci总PV数： 个性化推荐基础为栏目树，以栏目或子栏目为推荐取向分类。 在发布前，定义作者、标题、主题、时间等 若是注册用户，可能有多个Cookie对应1个用户ID，采用Cookie识别用户；若不是注册用户，只用Cookie 。 *