一种预测群体用户访问行为的算法.docxVIP

一种预测群体用户访问行为的算法 刘清华，黄明和，唐权华，王 渊 ( 江西师范大学 软件学院，江西 南昌 330022) 摘 要: 在电子商务发展中，商家需要理解用户访问网站的行为，为用户提供个性化服务，从而吸引用户购买商品。挖掘 用户访问网站的行为是商家一个急需解决的问题，通过对 Web 日志进行挖掘是解决该问题的重要研究方法。提出了网页 兴趣信息素的新概念，它是由页面相对浏览时间和点击率构建而成，利用兴趣信息素设计了基于蚁群算法的群体用户访 问路径挖掘算法，根据挖掘结果预测用户访问行为。实验结果表明，兴趣信息素可以有效地预测用户的兴趣变化，能准确 地反映用户访问模式，提高了预测群体用户访问行为的准确率。 关键词: 访问行为; 兴趣信息素; 蚁群算法; Web 日志挖掘 中图分类号: TP301． 6 文献标识码: A 文章编号: 1673 － 629X( 2014) 02 － 0059 － 04 doi: 10． 3969 / j． issn． 1673 － 629X． 2014． 02． 014 An Algorithm of Predicting Users Access Behaviors LIU Qing － hua，HUANG M ing － he，TANG Quan － hua，WANG Yuan ( School of Softw are，Jiangxi Normal University，Nanchang 330022，China) Abstract: During the developing of e － commerce，enterprises should understand the behaviors of users brow sing the Website，offer per- sonal services to those that be leaded to buy their commodities． M ining user access behaviors is one problem that is badly in need of being solved by businessmen，w hile Web log mining suggests an important research method． In this paper，put forw ard a new concept of Web page interest pheromone． Both text relative brow sing time and click rate define Web page interest pheromone． Group user access path min- ing algorithm is based on ant colony algorithm，interest pheromone being involved in designing． And according to mining results，user ac- cess behaviors are predicted． Experimental results show interest pheromone can efficiently forecast how user interests change，accurately reflect user access mode and improve the predicting accuracy of group user access behaviors． Key words: access behaviors; interest pheromone; ant colony algorithm; Web log mining 0 引 言 近年来，电子商务网站发展速度快，竞争也异常激 烈，商家使出各种营销手段吸引用户访问网站，但效果 不佳。如何准确理解用户访问网站的行为是一个急需 解决的问题，将根据用户访问网站的行为，为用户提供 个性化服务，从而吸引用户购买商品。因此，建立预测 用户访问网站模型具有重要意义。 建立预测用户访问网站模型的关键问题是需要对 大量匿名用户访 问网 站的行为进行 深层次地识别理 解。网站的 Web 日志数据中隐含了匿名用户的各种 个性化信息，对 Web 日志进行深层的挖掘是解决上述 问题的有效途径［1 － 2］。因此，通过 Web 日志挖掘可以 理解用户的访问行为，分析用户的偏好，预测用户下一 次的 访 问 行 为，并 主 动 为