基于Web挖掘的物流信息平台个性化推荐研究.docVIP

基于Web挖掘的物流信息平台个性化推荐研究 　　[摘 要]针对物流信息平台信息资源日益增多、访问和检索越来越难的问题，本文提出了将个性化推荐服务应用于物流信息平台的构想。构建了一个基于Web挖掘的物流信息平台个性化推荐系统框架，对系统中涉及的用户兴趣建模、Web使用挖掘、Web内容分类等关键技术进行了讨论。 　　[关键词]Web挖掘；物流信息平台；个性化推荐 　　1013939/jcnkizgsc201520019 　　1 引 言 　　随着网络技术的发展，网络已经成为人们获取信息的一个重要途径。为了提高物流服务的运作效率，各种类型的物流信息平台纷纷建立。一般认为，凡是能够支持或者进行物流服务供需信息的交互或交换的网站，均可视为物流信息平台。物流信息平台汇集了物流行业各方面的信息，通过Web页面发布大量的物流资讯、物流人才、货运信息、物流服务等内容，给用户提供了获取更快捷、更便宜的物流服务的手段。然而，随着物流信息平台整合信息资源种类和数量的增多，如何让用户在访问网站时更准确、更快捷地获得自己需要的信息，是物流信息平台发展面临的一个问题。而目前来说，物流信息平台通常是以系统内搜索引擎或检索工具帮助用户检索网站信息，但是大多数检索功能缺少主动性，没有考虑用户的兴趣偏好和用户间的差异，所以无法满足用户对信息的个性化需求，物流信息平台亟待改进其服务质量。 　　借鉴电子商务网站个性化服务的应用，个性化推荐服务可以作为物流信息平台提高服务质量的一个有效途径。个性化推荐服务是根据用户的信息需求、兴趣或行为模式，将用户感兴趣的信息、产品和服务推荐给用户，这样就可以避免用户花费较多的时间进行信息筛选，使用户在更短的时间内更准确地获得自己真正感兴趣的信息。 　　实现个性化推荐，关键是获知和描述用户的个性特征以及兴趣偏好。考虑到物流信息平台是通过Web页面发布大量的信息和服务资讯，用户的访问情况可以很容易地反映出其个性特征和兴趣偏好，因此对于物流信息平台的个性化推荐服务可以通过Web挖掘技术来实现。 　　2 基于Web挖掘的物流信息平台个性化推荐系统 　　21 系统基本功能 　　个性化推荐系统的基本功能是：通过分析用户对Web访问的规律，寻找行为模式相似的用户，形成虚拟用户社区，并建立用户兴趣库，在对Web内容挖掘的基础上，将符合用户兴趣的信息资源（包括新闻、供求信息、物流服务等）推荐给当前用户。同时，利用系统建立的用户兴趣库，当用户输入关键词进行检索时，将用户检索的结果按用户的兴趣程度排序，将用户最有可能关注的信息或服务提供给用户。 　　22 系统体系结构 　　该系统的体系结构主要由三个部分组成：数据采集及预处理、生成推荐模型与在线推荐部分。如图1所示。 　　图1 基于Web挖掘的物流信息平台个性化推荐系统体系结构 　　数据预处理模块负责从Web服务器日志、Web使用记录等中提取、分解、合并、转换相关的数据，供数据挖掘、偏好分析及推荐引擎使用，为实现个性化推荐任务提供必要的数据。为保证提供数据的准确性，因此该模块一般要经过数据清洗（数据净化）、用户识别、会话识别、路径补充、事务识别等过程。 　　模式生成是指用于个性化推荐的推荐模型的生成，该阶段是推荐系统的主要部分，主要负责建立用户兴趣库和虚拟用户社区。该工作框架基于聚类算法。挖掘、创建模式数据库是一个循环往复的过程。该阶段也是离线进行，为在线实时推荐提供支撑。 　　在线推荐是根据用户的访问情况，将其与系统挖掘生成的模型进行匹配，找到与当前用户行为相似的虚拟社区，按照该虚拟社区用户的兴趣库实时地为用户进行在线推荐。通常采用的推荐方法为用户登录时以页面的形式给出推荐页面，也可将推荐内容发送到用户邮箱中。针对用户群建立的虚拟用户社区，可将相同的信息推荐给同一社区中的所有用户。 　　23 系统的技术实现思路 　　个性化推荐服务以Web内容挖掘为支撑，首先对物流信息平台上出现的物流信息进行分析，提取出关键词；根据关键词确定该资源所属的类别，对用户兴趣中对应类别的权重达到设定阈值的用户进行推荐。 　　个性化检索服务的工作主要是对检索结果进行2次处理。将页面内容按标题提取关键词后，根据关键词将内容归为某一类，然后根据用户的兴趣，将检索结果按与用户兴趣匹配程度从大到小排序后，再提供给用户。 　　3 系统关键技术 　　31 Web使用记录数据的处理 　　Web使用记录是用户兴趣及虚拟社区建立的关键。它所包含的内容主要来源于两个方面：一方面是Web服务器日志记录，另一方面是用户在客户端操作的记录。前者可直接从服务器日志文件中获得，但数据量庞大，需要经过数据清洗（数据净化）、用户识别、会话识别、路径补充、事务识别等一系列预处理过程；后者则必须通过对用户的浏览操作进行