基于網絡用戶行為分析的用戶推薦反饋系統(tǒng)的設計.pdf

1、當今社會，IT和互聯(lián)網技術的蓬勃發(fā)展給人們帶來了無限機遇和財富，但與此同時，其每時每刻也都在產生著數以億萬計的數據量。如果沒有一個好的辦法發(fā)掘出其中潛在的信息，就無法為用戶提供更加優(yōu)質的服務。從海量數據中提取特定網絡用戶與互聯(lián)網的交互行為數據并進行分析和研究就是一個比較好的辦法，也是學習和發(fā)掘用戶興趣和需求的有效手段;推薦系統(tǒng)是按照特定用戶的興趣和需求，以互聯(lián)網為平臺為他們提供“個性化”服務的系統(tǒng)。本文所做研究包括:
　　(1)研

2、究了基于內容的推薦系統(tǒng)。本文首先對.Pcap文件和數據包的結構進行了研究;之后通過對HTTP和TCP協(xié)議通信原理的研究，提取到了網頁文本的URL等關鍵數據;然后分析了特征提取和特征降維的相關算法，得到了由特征詞和對應權重構成的特征向量，并構造了向量空間模型(VSM);研究了文本聚類的相關理論和可用算法，并結合向量空間模型、BWP指標、k-means聚類算法、余弦度量和平方誤差準則等建立了第一次文本分類模型;在推薦環(huán)節(jié)中研究了基于內容的推

3、薦系統(tǒng)，確定了推薦方法，完成了基于網絡用戶行為分析的用戶推薦系統(tǒng)的設計。
　　(2)提出了基于信息熵的二次聚類改進推薦算法。通過對信息熵相關理論的研究，明確了信息熵可以作為精確推薦的一種衡量標準和定量度量，并以此為二次聚類推薦模型建立了理論基礎;提出并利用了最鄰近熵差、最鄰近熵差閾值、平均熵值逼近等信息熵相關概念和公式對初始聚類簇數、簇心以及最終推薦內容進行了判斷和計算;然后結合向量空間模型、最鄰近熵差閾值、平均熵值逼近、連續(xù)型隨

4、機變量的均勻分布以及確定了初始聚類簇數和簇心的k-means聚類算法建立了第二次文本分類模型;之后通過對對數函數的擬合以及同時結合距離和信息熵值度量的方式得出推薦結果的個數和內容，完成了基于信息熵的二次聚類推薦模型的構造。
　　(3)設計了相關實驗對基于網絡用戶行為分析的用戶推薦反饋系統(tǒng)和基于信息熵的二次聚類改進推薦算法性能進行了驗證。實驗結果顯示，本課題設計的基于網絡用戶行為分析的用戶推薦反饋系統(tǒng)能夠成功實現對特定用戶的相關推薦