[农学]07商品推荐技术.ppt

7.3-Web使用与内容相结合的推荐 基于Web使用挖掘和Web内容挖掘的商品推荐 基于Web使用挖掘和Web内容挖掘的商品推荐算法之改进 7.3-Web使用与内容相结合的推荐 基于Web使用挖掘和Web内容挖掘的商品推荐算法之改进 改进基本思路：在上述推荐方法的基础上进一步引入Web结构挖掘； 如果有许多浏览页都同时链接到浏览页A和浏览页B，则可以认为浏览页A和浏览页B之间具有一定的相关性，如果一个用户访问了浏览页A，则浏览页B对该用户而言很可能是有价值的，从而可以在推荐列表中加上浏览页B。 7.3-Web使用与内容相结合的推荐 基于Web使用挖掘和Web内容挖掘的商品推荐算法之改进 基本过程： 离线部分：数据预处理+结构特征获取 在线部分：推荐引擎 7.3-Web使用与内容相结合的推荐 基于Web使用挖掘和Web内容挖掘的商品推荐算法之改进 离线部分：数据预处理 通过Crawler构造出网站内部浏览页之间的相互链接情况 每个浏览页p可以表示为所有浏览页空间上的n维向量： p = sw(p, p1), sw(p, p2), …, sw(p, pn) 7.3-Web使用与内容相结合的推荐 基于Web使用挖掘和Web内容挖掘的商品推荐算法之改进 离线部分：结构特征获取 使用聚类算法对结构特征进行聚类，每一个结构特征聚类ci由一系列结构特征组成 给定结构聚类s和显著性阈值v，其结构特征prs的计算方法如下： prs = {p, weight(p, prs) | p ? P, weight(p, prs) ? ?} weight(p, prs) = 7.3-Web使用与内容相结合的推荐 Reference: [1] M.Perkowitz and O.Etzioni. Adaptive Web sites: automatically synthesizing Web pages. In Proceedings of 15th National Conference on Artificial Intelligence, Madison, WI, 1998. [2] S.Chakrabart. Data mining for hypertext: A tutorial survey. ACM SIGKDD Explorations, 1(2), pages 1--11, 2000. [3] D.Dillsus and M.J.Pazzani. Learning Collaborative Information Filters. In Proceedings of ICML’98. Pp.46-53. [4] B.Mobasher. A Web personalization engine based on user transaction clustering. In Proceedings of the 9th Workshop on Information Technologies and Systems (WITS’99),December 1999. [5] R.Cooley, B.Mobasher, and J.Srivastava. Data Preparation for mining World Wide Web browsing patterns. Journal of Knowledge and Information Systems, (1) 1, 1999. [6] B.Mobasher, H.Dai, T.Luo, Y.Sun, and J.Zhou. Integrating Web Usage and Content Mining for More Effective Personalization. in Proceedings of the International Conference on E-Commerce and Web Technologies (ECWeb2000), September 2000, Greenwich, UK. 7.4-推荐系统开发实践案例 推荐系统开发实践案例 资源推荐系统 7.4-推荐系统开发实践案例 什么是资源推荐系统 资源：泛指网络上存在的可共享的数字化信息。 资源推荐系统：根据大量用户对众多资源访问（查询和使用）的历史记录，分析用户可能的兴趣所在，提供资源推荐服务，把用户尚未访问、但可能喜欢的资源推荐给用户。 7.4-推荐系统开发实践案例 推荐的方式 用户自定义的个性化资源； 把与用户访问过的资源类似的资源推荐给用户； 把某些用户访问的资源推荐给与他们兴趣类似的用户。 7.4-推荐系统开发实践案例 开发任务 构造出资源推荐系统的框架，