| 【中文题名】 | 基于遗传算法的实时个性化推荐研究 |
| 【英文题名】 | Study on Real-Time Personalized Commend System Based on GA |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-11-4 |
| 【中关键词】 | Web使用挖掘,个性化,电子商务,遗传算法,聚类,变长染色体 |
| 【英关键词】 | web usage mining ,personalization , e-commerce ,genetic Personalized algorithm ,clustering ,variable length chromosome, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
个性化服务是在Internet“信息爆炸”的背景下对“信息过载”和“信息迷航”问题的解决方案，个性化服务将是未来信息服务的主流模式。
本文提出了一个基于Web使用挖掘的个性化电子商务网站系统。该系统利用遗传算法结合聚类方法挖掘用户的访问历史记录，将当前用户的访问行为划分到某一类行为模式中，再根据同类访问行为的记录来进行个性化推荐服务。
目前基于遗传算法的聚类分析大都是采用定长染色体，生成的聚类数目是预置的。本文在定长染色体遗传算法聚类的基础上提出了一种基于变长染色体遗传算法的聚类方法，能够在不预先输入某些参数(如：聚类数、初始聚类中心、聚类中心间的最小距离等)的情况下动态的输出聚类结果，这样就可以避免参数设置不当而影响聚类结果。与定长染色体遗传算法结合使用，在可以凭经验确定聚类个数的时候使用定长染色体遗传算法，而在经验不足、无法确定聚类个数的时候使用变长染色体遗传算法，这样就兼顾了算法的效率与效果。
本系统优点如下：
（1）本系统采用了基于遗传算法的聚类挖掘用户访问模式的方法。基于遗传算法聚类的优势在于不用输入初始聚类中心、聚类中心间的最小距离等参数，避免了其他聚类算法对初始聚... |
| 【论文题纲】 |
|
中文摘要 |
4-6 |
|
英文摘要 |
6-10 |
|
1 绪论 |
10-20 |
|
1．1 引言 |
10-11 |
|
1．2 数据挖掘与个性化服务 |
11-15 |
|
1．2．1 数据挖掘的产生和发展 |
11-12 |
|
1．2．2 个性化服务 |
12-15 |
|
1．3 遗传算法和聚类分析 |
15-18 |
|
1．3．1 遗传算法的产生和发展 |
15-17 |
|
1．3．2 聚类分析 |
17-18 |
|
1．4 论文研究的内容和意义 |
18-20 |
|
2 系统框架 |
20-28 |
|
2．1 基本思路 |
20-25 |
|
2．1．1 基于聚类的个性化服务 |
20-21 |
|
2．1．2 将遗传算法引入聚类分析 |
21-24 |
|
2．1．3 总体设想 |
24-25 |
|
2．2 系统结构 |
25-28 |
|
2．2．1 最终目标和主要步骤 |
25-26 |
|
2．2．2 系统结构简介 |
26-28 |
|
3 数据准备 |
28-38 |
|
3．1 Web使用挖掘 |
28-32 |
|
3．2 数据的收集和整理 |
32-38 |
|
3．2．1 用户访问历史的数据收集 |
32-35 |
|
3．2．2 生成用户序列访问事务集 |
35-38 |
|
4 基于定长遗传算法的事务聚类 |
38-47 |
|
4．1 现有聚类算法 |
38-41 |
|
4．2 基于遗传算法聚类的基本流程 |
41-42 |
|
4．3 初始化种群 |
42 |
|
4．4 评价函数 |
42-43 |
|
4．5 遗传算子 |
43-45 |
|
4．5．1 选择 |
43-44 |
|
4．5．2 交叉 |
44-45 |
|
4．5．3 变异 |
45 |
|
4．6 终止条件 |
45-47 |
|
5 基于变长遗传算法的事务聚类 |
47-51 |
|
5．1 变长编码遗传算法 |
47 |
|
5．2 初始化种群 |
47-48 |
|
5．3 改进的遗传算子 |
48-51 |
|
6 访问模式识别、推荐及仿真实验 |
51-54 |
|
6．1 访问模式识别与产品推荐 |
51-52 |
|
6．1．1 用户访问模式的识别 |
51 |
|
6．1．2 产品推荐 |
51-52 |
|
6．2 仿真实验结果及分析 |
52-54 |
|
7 论文研究结论及前景展望 |
54-56 |
|
7．1 论文研究成果总结 |
54-55 |
|
7．2 前景展望 |
55-56 |
|
致谢 |
56-57 |
|
参考文献 |
57-58 |
|
| 【DOI】 | LunWen.ID:2.2008.386945 |
