The Study on Network Education based on Web Data Mining

Since the emergency of the mining of web usage patterns in the nineties of the 20th century, it has gotten a great development because of its wide range of application. To take advantage of the mining of web usage patterns, it will make network education system to meet personalized requirement better by distinguishing user interest and finding out important page.

基于Web挖掘的个性化远程教育系统研究

针对现在网络远程教育存在的系统教育模式单一问题,通过介绍Web挖掘在远程教育系统中的应用,指出了Web挖掘的基本过程和关键技术,提出了一种基于Web挖掘的个性化远程教育服务系统模型,重点论述了应用Web挖掘进行个性化远程教育服务系统的体系结构及其个性化引擎实现。实践证明基于Web挖掘技术在远程学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段。

基于语义的Web挖掘

基于语义的Web挖掘是使用从现有Web数据中抽取的语义或直接使用Web数据中已有的语义结构来帮助Web挖掘。它有效地结合了语义网和Web挖掘两个领域的研究成果,既可以通过开发新的语义结构来帮助Web挖掘,又可以利用挖掘结果促进语义网的创建。本文介绍了基于语义的Web挖掘的基本思想和研究现状,分析了语义网和Web挖掘相结合的优势,并详细论述了国际上关于利用数据挖掘技术创建语义网,利用语义挖掘Web数据和直接挖掘语义网三个方面的研究工作。

一种个性化Web推荐系统的研究与实现

基于 Web的推荐个性化服务是目前智能信息检索、电子商务、远程教育等领域研究的重点 ,文中在分析当前远程教育系统中个性化学习存在问题的基础上 ,设计了一种基于 Web日志挖掘的推荐系统 ,将聚类分析技术应用于数据准备和页面学习的推荐过程中 ,实现了远程教学的按需学习和因材施教的要求 .重点介绍了聚类分析在预测推荐页面中的设计与应用 。

基于本体的Web使用知识发现模型及应用

本体在Web上的应用能够有效解决Web信息共享的语义问题。该文提出了基于Web本体和服务器日志文件的知识发现模型,主要讨论了用户访问行为的表示、语义用户分布的定义及发现算法。最后介绍了Web使用知识发现模型在Web个性化系统中的应用。

结合使用挖掘和内容挖掘的web推荐服务

随着Internet的基础结构不断扩大和其所含信息的持续增长,Internet用户越来越感觉容易在WWW服务中“资源迷向”。提高用户访问效率的方法有页面预取技术,站点动态重构技术和web个性化推荐技术等。现有的大多数web个性化推荐技术主要是基于用户使用记录的数据挖掘方法,没有或很少考虑结合页面内容—这才是用户真正感兴趣的。该文提出一种结合用户使用挖掘和内容挖掘的web推荐服务,该推荐服务根据频繁最大前向访问路径,提出含有导航页和内容页的频繁访问路径图概念,根据滑动窗口内的最近用户访问页面内容和候选推荐集中页面内容相关性,来向用户提供个性化推荐服务。经推荐质量分析,这种方法具有较好的推荐优化能力。

Web个性化技术研究综述

Web个性化是近年出现的一个重要研究方向,它是Web使用挖掘和信息技术在新的Web和Internet环境下相互融合的产物。首先讨论了Web使用挖掘及个性化的概念、研究内容和核心技术,然后对Web使用挖掘的关键技术进行了综述,包括数据采集与预处理、模式发现、语义Web与个性化等,并给出了它们的研究重点和发展方向,最后是个性化系统的研究展望和面临的挑战。

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能。

电子商务中Web挖掘技术的应用探讨

随着电子商务技术的深入发展,商家在与用户交互活动中的信息也迅速膨胀,网上的海量信息为Web挖掘提供了一个广阔的应用领域,使用Web挖掘技术能够发现电子商务过程中的潜在模式。文中针对几种不同特点的电子商务Web挖掘系统,包括智能搜索引擎系统、网站用户访问分析系统、个性化推荐系统等都进行了探讨。

Web用户访问路径的差异性度量方法研究

Web站点个性化已经成为当前研究的一个热点,人们通过各种方法,对网站内容、结构、用户行为等进行数据挖掘,建立用户兴趣模型,为网站用户提供更好的服务,加强网站的竞争力。在当前网站个性化的方法中,基于用户行为分析的方法是最具有竞争力的一类方法。对Web用户行为进行分析用得较多的技术是对Web用户访问路径进行聚类以发现有意义的模式。而良好聚类的前提是有效地度量Web用户访问路径的差异性。针对这个问题,提出了一种新的Web用户访问路径差异性度量方法,通过模拟实验也验证了方法的正确性。

基于Web使用挖掘的个性化系统

Web个性化在信息量巨大的互联网中显得越来越重要。针对一般聚类算法不可以用于在线预测的缺点,提出了一个实现个性化的实时聚类算法,并对个性化系统模型进行了设计,使模型不但能实时提供个性化服务,还可以根据用户的短期浏览变化对个性化服务进行调整。最后通过实验系统验证了模型的准确性。

基于本体的Web挖掘分类方法及应用

为了解决Web挖掘系统中信息共享的语义问题,应用本体技术,在传统Web挖掘分类方法的基础上提出了一种基于本体的Web挖掘分类方法。实践表明,该方法能有效地解决传统Web挖掘系统中诸如"新项目"等问题,并为用户提供基于本体属性的更细粒度、交互式的语义Web信息服务。

一种自适应语义Web检索方法

基于内容的语义Web检索只考虑内容本身,没有考虑用户的不同,不能准确反映用户需求。为此,提出一个自适应语义Web检索框架,对于Web中文文档,借助HowNet知识库给出一种本体学习方法,通过提取用户客观、显式和隐式信息建立用户信息库,并设计用户初始查询本体和个性化查询本体构建算法,从而实现用户的自适应检索。实验结果表明,该方法具有较高的检索效率。

支持Internet上个性化信息重组与发布的Web挖掘关键技术的研究

Internet上个性化信息的重组与发布是Web个性化技术的一个重要组成部分,这一领域目前存在的主要问题是:并非没有信息重组和发布的工具,而是缺乏能够使这类工具高效工作的支持技术。本文提出一种将流数据处理技术引入Web点击流、IP地址流及页面文本流挖掘和分析过程,研究基于Web数据流挖掘的用户行为和需求分析方法;将本体和领域知识引入Web内容挖掘过程,研究领域知识指导下的Web内容挖掘方法;将基于Web数据流挖掘的用户行为和需求分析与领域知识指导下的Web内容挖掘相结合,研究Internet上Web信息模式和Web用户模型及其相互关系的建立;将上述研究成果应用于实际,以期达到高效地支持Internet上满足用户个性化要求的信息重组与发布的目的。

基于语义的Web信息检索改进模型

目的针对传统W eb信息检索模型的不足,提出一种基于语义的W eb信息检索模型。方法模糊相关技术、Ontology及W eb挖掘技术。结果建立了一种五元组的语义信息检索模型,并给出了该模型的关键实现算法。结论利用此模型实现的信息检索系统进行信息检索时具有更高的准确率和查全率。

WEB日志挖掘在个性化网络教育中的应用

本文介绍了Web日志挖掘的基本概念和过程,通过对学习者在网络教育中留下的日志信息进行挖掘,以实现个性化的网络教育,更好的满足不同类别学习者的需求。

基于语义降维的Web日志数据聚类方法研究

Web日志挖掘通过挖掘网站服务器中的日志记录来分析用户行为,从而优化网站结构,提高用户满意度.随着互联网的不断发展,网站服务器日志内容数量急剧增长,数据分析的效率亟待提高.文中在分析传统Web日志数据研究方法的基础上,从减少数据维度的角度出发,提出了基于构建语义化日志的聚类方法,并通过计算Davies-Bouldin值对该聚类方法的有效性进行了验证.

Web环境下语义挖掘模型的构建

建立高效的Web挖掘模型是解决信息化时代数据量大、增值速度快、复杂、异构问题,并提升挖掘的工作效率以及所获取知识规则的有效方法。文章借鉴领域本体概念,通过将本体映射技术与数据挖掘技术相结合,在Web环境下构建了基于本体映射的Web语义挖掘模型,并对最终获取的知识模式在语义方面进行修正。在此基础上详细描述了该模型的挖掘流程,提出了Web数据关系间的算法。

Web环境下的语义挖掘模型研究

文章提出两种Web环境下的语义挖掘模型,分别是基于语义标注的Web语义挖掘模型,即在语义标注的基础上实现智能化知识挖掘过程,获取高质量知识模式;基于本体映射的Web语义挖掘模型,即参照领域本体概念体系,运用本体映射技术,对所获取的知识模式进行语义修正。通过对语义分类模式的预测准确率、模型创建速度的实验对比分析,基于本体映射的Web语义挖掘模型所提出的算法略占优势。

基于个性化Web信息推荐模型的研究

针对目前的推荐系统存在个性化程度不高,提出了一种采用语义Web的个性化Web信息服务模型,并对模型实现的关键问题进行分析研究。实现了个性化需求库和个性化资源库的语义构建,个性化程度更高、更智能。实验证明,该模型是有效的。