基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

摘要：

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.

关键词：Web使用挖掘、隐Markov链模型、用户聚类、个性化推荐

所属期刊栏目：28

分类号：TP3;O17

资助基金：国家自然科学基金项目70672097;国家自然科学基金重点项目70631003

在线出版日期：2009-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：557-564