基于主成分分析法的Web頁面推薦算法.pdf

1、萬維網(wǎng)是到目前為止世界上最豐富和最密集的信息來源。如何開發(fā)和利用這些豐富的資源就成了人們普遍關(guān)注的問題。于是，數(shù)據(jù)挖掘技術(shù)和網(wǎng)絡(luò)應(yīng)用研究的結(jié)合——Web 數(shù)據(jù)挖掘技術(shù)(Web Mining)構(gòu)成了當(dāng)今比較活躍的一個(gè)研究領(lǐng)域。Web日志挖掘是Web 使用挖掘的一個(gè)分支，它作為Web 挖掘的一個(gè)重要組成部分，具有獨(dú)特的理論和實(shí)踐意義。
　　 本文系統(tǒng)地闡述了從數(shù)據(jù)挖掘、Web 數(shù)據(jù)挖掘到Web日志挖掘整個(gè)過程，重點(diǎn)在于討論Web日志

2、挖掘。Web日志挖掘通過對(duì)日志記錄的挖掘，發(fā)現(xiàn)用戶訪問頁面的模式，從而進(jìn)一步分析和研究日志記錄中的規(guī)律，以期改進(jìn)站點(diǎn)的性能和組織結(jié)構(gòu)，提高用戶查找信息的質(zhì)量和效率。
　　 通常使用的Fisher算法是專門針對(duì)于有序樣品的一種聚類算法，但是其存在著很大的弊端。而我們通過改進(jìn)主成分分析法這種數(shù)學(xué)統(tǒng)計(jì)模型，使其在損失很少信息的前提下把多個(gè)頁面迅速轉(zhuǎn)化成為幾個(gè)綜合的類，且生成的每個(gè)新類都是原始頁面的線性組合，各個(gè)新的類之間互不相關(guān)，而且

3、使得新類比原始頁面更具有某些優(yōu)越的性能，這樣在研究推薦頁面這樣的問題時(shí)就可以在有限的范圍內(nèi)考慮少數(shù)的幾個(gè)頁面而且不至于損失太多的信息，從而更容易抓住主要矛盾，揭示事物內(nèi)部變量之間的規(guī)律性，使得問題得到簡(jiǎn)化，提高分析效率。通過該模型我們還可以很容易的得到相應(yīng)的Web 推薦頁面。在得到Web 推薦頁面的過程中，我們使用了因子負(fù)荷量提取算法，該算法充分的考慮到了頁面之間的相關(guān)性。
　　 最后，通過與Fisher算法的實(shí)驗(yàn)比較，證明了我