基于Web访问信息挖掘的Web站点实时个性化推荐

摘要：

本文提出一种新的基于Web访问信息挖掘的实时个性化推荐方法.即利用K-paths路径聚类方法聚类具有相同访问兴趣的用户,并得到每一个用户类的相应的页面推荐集.据此我们利用在Web服务器前端设置的推荐引擎对用户的当前访问进行分类,将当前用户归结到某一个或某几个相应的用户类中,然后在用户当前访问的页面推荐用户所属类的推荐页面集.用户不需要注册信息,推荐不打扰用户.我们考虑了用户的访问兴趣和他的访问路径的相关性,并将关联规则发现方法和K-paths方法结合起来,通过推荐引擎为当前用户提供实时个性化的服务.

关键词： 数据挖掘 聚类 关联规则 Web数据 规则发现 推荐引擎

作者: 王实 高文 李锦涛

作者单位: 中国科学院计算技术研究所,北京,100080

会议类型: 国内会议

会议名称: 中国科学院计算技术研究所第六届计算机科学与技术研究生学术讨论会

会议地点: 大连

会议语种:中文

页码: 7-14

在线出版日期: 2000-07-01（万方平台首次上网日期，不代表论文的发表时间）