基于客户浏览行为的个性化推荐系统研究-机械制造及其自动化专业论文.docxVIP

贵州大学硕士研究生学位论文 目录 HYPERLINK \l _bookmark0 第五章 基于用户浏览行为的个性化推荐系统35 HYPERLINK \l _bookmark0 5.1 系统结构35 HYPERLINK \l _bookmark1 5.2 离线模块36 HYPERLINK \l _bookmark2 5.2.1 数据预处理37 HYPERLINK \l _bookmark2 5.2.2 数据兴趣度计算37 HYPERLINK \l _bookmark3 5.2.3 数据集聚类39 HYPERLINK \l _bookmark4 5.3 在线推荐模块40 HYPERLINK \l _bookmark4 5.4 系统实现40 HYPERLINK \l _bookmark4 5.4.1 数据集40 HYPERLINK \l _bookmark5 5.4.2 实验结果及分析41 HYPERLINK \l _bookmark6 5.5 本章小结44 HYPERLINK \l _bookmark7 第六章 结论与展望45 HYPERLINK \l _bookmark7 6.1 总结45 HYPERLINK \l _bookmark7 6.2 展望45 HYPERLINK \l _bookmark8 致 谢47 HYPERLINK \l _bookmark9 参考文献48 HYPERLINK \l _bookmark10 附 录51 HYPERLINK \l _bookmark10 附 录 1：作者在攻读硕士学位期间发表的论文清单51 HYPERLINK \l _bookmark10 附 录 2：作者在攻读硕士学位期间参与的科研项目清单51 贵州大学硕士研究生学位论文摘 贵州大学硕士研究生学位论文 摘 要 I I 基于客户浏览行为的个性化推荐系统研究 摘 要 随着制造资源共享网站规模的扩大，个性化服务缺乏成为制约资源共享网站发展 的关键问题之一。为了解决这一问题，许多研究提出了基于客户浏览行为的 Web 数据 挖掘方法：根据客户浏览行为模式，了解客户的兴趣爱好，为其提供个性化服务。 本文根据对 Web 数据挖掘中的聚类算法和个性化推荐系统中的协同过滤推荐算 法的研究，改进了基于聚类的协同过滤推荐算法：根据 Web 使用挖掘技术，自动获取 客户对某页面（或商品）的兴趣度，根据其兴趣度不同，将客户集划分为不同的聚类， 然后根据每个聚类中客户对商品的平均评分生成对应的聚类中心，在此基础上计算目 标用户与聚类中心的相似性，选择与目标用户相似性最高的若干个聚类作为查询空间 搜索目标用户的最近邻居，从而提供推荐。该算法由聚类生成、虚拟客户集生成和推 荐产生三个主要步骤组成。 根据这一算法，本文设计了基于客户浏览行为的个性化推荐系统，该系统由离线 和在线两部分模块组成，离线模块的主要任务是完成所有客户集的分类，在线模块则 是推荐给在线客户可能感兴趣的页面和商品。最后，通过一组模拟数据对系统进行的 实验表明这种基于聚类的协同过滤推荐算法的系统可以更好的为浏览网页的客户提 供更有效、更个性化的服务。 关键词：Web 据数挖掘；聚类算法；K-means 算法 ；协同过滤； 推荐系统 贵州大学硕士研究生学位论文abs 贵州大学硕士研究生学位论文 abstract II II The Study of Personalized Recommendation System Based on Client Browser Behaviors Abstract With the development of sharing technology of manufacturing resources by internet, the lack of personalized service is one of the key issues to constraint the application of the website. In order to solve this problem, the Web data mining technology based on the client browse behavior was proposed: according to the clients’ browsing behaviors, the clients interests and hobbies was obtained, then personalized recommendation service can be provided. In this paper, based