导读:本文包含了浏览兴趣论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:兴趣,模型,用户,算法,路径,租户,日志。
浏览兴趣论文文献综述
丛杨,孙伟,李成名,路文娟[1]（2019）在《基于用户历史瓦片浏览记录的兴趣点智能搜索方法优化研究》一文中研究指出在网上各种信息呈现爆炸式增长的背景下,传统方法往往难以顾及用户兴趣,而导致查询无法体现个性化。针对这一问题提出一种基于用户历史瓦片浏览记录的兴趣点智能搜索方法。首先对智慧城市平台下的用户历史瓦片浏览记录数据进行分析,并以热力图可视化形式展现出用户关注的热点区域,得出空间热度;然后根据属性查询中加入空间热度影响因子来影响兴趣点搜索结果,使搜索结果更加符合用户搜索意图,针对热点区域给不同用户以相应服务;以滕州市兴趣点为实验数据,使用Elasticsearch构建索引数据库,采用Web前端技术搭建搜索框架,经过实验对比分析发现,该方法能够有效地提高搜索的查准率,并且可随着数据量的丰富变得更加智能化。(本文来源于《地理信息世界》期刊2019年02期）
刘洪伟,高鸿铭,陈丽,詹明君,梁周扬[2]（2018）在《基于用户浏览行为的兴趣识别管理模型》一文中研究指出【目的】了解用户在线购物中的兴趣需求变化有利于个性化推荐。本文提出结合用户浏览行为分析的隐式动态兴趣识别和管理模型。【方法】通过叁阶段实验构造用户点击流数据,以天猫和淘宝网页功能键为数据粒度对页面分类,再采用Bisecting K-means聚类算法进行兴趣状态挖掘,最后总结归纳兴趣与行为的特征映射。【结果】用户隐式兴趣存在4种状态:关注、理解信息、态度和购买意图,在态度和购买意图状态下,更倾向于产生购买;在不同状态的浏览路径特征有所差异。【局限】未添加网页广告促销等非结构化数据进行分析。【结论】从实时动态兴趣的角度,对购物决策中兴趣的状态进行验证挖掘,拓展动态兴趣研究;为电商网站管理用户行为提供了一个实现动态个性化推荐的视角。(本文来源于《数据分析与知识发现》期刊2018年02期）
梅佩[3]（2015）在《基于浏览内容的用户兴趣研究》一文中研究指出信息技术和互联网的高速发展给人们生活带来了许多便利,但是随着网络中信息量的指数级增长以及网络内容的纷繁杂乱,网络用户花费了太多的时间从庞大的数据海洋中寻找自己所需求的信息,个性化服务就是在这种背景下应运而生。而用户兴趣研究是提供个性化服务的必要组成部分。其中用户兴趣模型的准确性直接决定了个性化服务质量的好坏。因此开展用户兴趣研究具有一定的理论意义与实践价值。本文对基于浏览内容的用户兴趣进行分析研究,研究内容包括：(1)研究了获取用户兴趣的相关理论与技术。通过对用户兴趣研究工作的信息调研,研究了用户兴趣信息收集的方法,用户兴趣模型的表示方法和用户兴趣内容分析的关键技术。(2)提出了一种混合度量的用户兴趣发现方法。针对特征词维数灾难问题,提出了一种结合信息增益和互信息两种度量方法的加权求和算法来进行特征降维。针对用户兴趣类簇难以准确获取问题,提出了在聚类之前先进行分类的方法来获取用户的兴趣类簇。最后通过用户的页面停留时间、内容量等因素来计算用户对每个兴趣类簇的感兴趣程度,并结合用户的兴趣特征来完成用户兴趣的表示。(3)完成整个用户兴趣系统的设计与实现。描述系统的总体设计框架,将用户兴趣系统分为用户兴趣内容的采集、数据预处理、用户兴趣发现、用户兴趣表示等四个模块,并对各个模块的功能及设计思路进行详细描述,详细介绍各个模块使用的相关算法并展示各个模块的实现结果。(本文来源于《北京化工大学》期刊2015-05-29）
黄倩,谢颖华[4]（2015）在《一种基于网页浏览行为的用户兴趣度计算方法》一文中研究指出用户兴趣度的计算是个性化服务的核心,而用户浏览网页时的行为能反映用户的兴趣。文中着重分析保存页面、收藏页面以及网页浏览速度这叁种网页浏览行为,且在此基础上结合用户兴趣衰减因子,提出一种新的基于网页浏览行为的用户兴趣的计算方法,并利用K-means算法将浏览的网页内容聚类成不同主题,最后基于这叁种网页浏览行为和用户兴趣衰减因子计算用户主题兴趣度。实验结果表明,提出的用户兴趣度计算方法是有效的。(本文来源于《信息技术》期刊2015年05期）
宋章浩[5]（2015）在《基于Web浏览行为的用户兴趣模型研究》一文中研究指出近年来,随着因特网的迅猛发展,web信息呈几何级数增长,人们需要花费大量时间才能找到自己需要的信息,个性化推荐作为信息过滤的重要手段,是解决当前信息过载问题的一种很有效的方法。而用户兴趣模型是个性化推荐系统的核心,一个良好的兴趣模型能够更好的改善用户的上网体验和信息利用效率,因此兴趣模型的研究成为了学术界和IT界的热门课题。论文以文本信息处理技术为基点,以建立有效的兴趣模型为目标。主要围绕着用户兴趣度度量和兴趣模型的表示更新两方面展开研究工作,并建立有实际应用意义的新闻推荐系统。论文的主要内容如下:(1)针对现有用户兴趣模型在模型建立阶段用户兴趣评价的不足,提出了一种基于混合行为评价兴趣度值的方法,突出了用户阅读时间的特殊性,在用户阅读时间异常的情况下利用其它浏览行为来量化用户兴趣度,并将此得到的兴趣度应用到传统VSM模型中,使拓展后的兴趣模型同时携带了内容和行为信息。(2)针对用户兴趣模型建立后,随之而来的系统存储量、计算量剧增问题,提出了时间分段机制对兴趣模型进行优化,达到了降低兴趣模型计算量和存储量的目的。另外,由于人的兴趣随着时间不断进行变化,在时间分段机制的基础上,提出了用户兴趣漂移机制,用以反映人的兴趣变化规律,使得到的兴趣模型更加准确。(3)基于兴趣模型理论基础构建了新闻推荐系统,采集了2000篇新闻网页作为数据集,系统持续采集用户浏览行为,分析用户兴趣,建立并更新用户兴趣模型,最终根据兴趣模型向用户提供网页推荐。经过实验和观察,验证了本文提出的基于混合行为兴趣度的用户兴趣模型的合理性和有效性。(本文来源于《西南科技大学》期刊2015-05-20）
谢琪琦,陈燕,陈宁江,李湘,梁小宇[6]（2014）在《基于LQN模型的租户兴趣浏览路径挖掘》一文中研究指出面向云计算环境中多租户应用的租户个性化服务需求,从多租户应用日志记录挖掘出租户兴趣浏览路径受到关注。针对传统的以浏览频度为主体的网络拓扑图研究问题,为了更好地找出租户在云平台网站上的兴趣网页,挖掘租户的兴趣浏览路径,综合租户对网页的浏览时长、接收字节数和浏览频度等多个要素定义租户兴趣度,构造租户执行图,纠正路径交叉状况以消除租户执行图中存在的多余路径,对循环路径中的对等节点进行整合以消除循环嵌套,给出了一种基于分层排队网(layered queue network,LQN)模型的租户兴趣浏览路径挖掘方法,在此基础上,借助广度优先遍历(breadth first search,BFS)算法进行挖掘。实验证明,改造后的LQN模型在租户兴趣浏览路径挖掘方面的效率有所提高。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2014年06期）
肖丹,尹春华[7]（2013）在《基于改进蚁群算法的用户有效浏览兴趣路径挖掘》一文中研究指出从Web日志中挖掘用户浏览兴趣路径,对于网站重构和产品推荐等商业用途具有重要意义。传统的挖掘算法一般基于用户访问频度,并不能真正体现用户的兴趣点。访问时间是一个能反应用户浏览兴趣的重要因素,用预设的访问时间阈值剔除无效数据,得出有效访问时间。本文对蚁群算法加以改进,用浏览频度和权值因子作为兴趣函数,有效访问时间因子作为信息素函数,提出有效-兴趣度的概念。对算法进行具体模拟,结果表明,本文提出的挖掘算法比传统的算法更能体现用户的浏览兴趣。(本文来源于《计算机与现代化》期刊2013年12期）
尹立民[8]（2013）在《基于Web日志的浏览兴趣度分析技术研究》一文中研究指出本论文主要针对Web挖掘领域中的Web日志挖掘领域,分析了已有的度量用户浏览兴趣方式的不足,提出了一种基于用户浏览行为度量用户浏览兴趣的方法,并通过线性回归预测方法预测了浏览兴趣度,建立了更准确的浏览访问路径树。实验表明,该方法是可行的并且具有较好的效果。(本文来源于《价值工程》期刊2013年33期）
许国迎,张宁[9]（2013）在《基于网页浏览的用户兴趣度研究》一文中研究指出根据高校校园网用户的网页浏览记录,着重分析用户在浏览网页时的不同行为兴趣特征.首先利用文本分类技术,分析提取出用户的兴趣行为关键词.其次在兴趣行为关键词的基础上,选取了若干典型个体用户,统计出这些典型个体用户网页浏览记录中对于每个兴趣关键词的访问量随时间变化的关系.最后运用归一化的方法对典型个体用户的兴趣度进行量化研究,从而实现了对于用户网页浏览过程中不同兴趣行为的度量以及进行相互比较的目标.(本文来源于《上海理工大学学报》期刊2013年05期）
邢晓兵[10]（2013）在《面向用户兴趣的用户浏览行为分析方法及应用》一文中研究指出随着Web上资源的急剧膨胀,面对用户提供的有限查询词,当前的搜索引擎提供的千人一面的搜索已经难以满足用户对搜索结果的需求。在用户使用搜索引擎进行信息检索的过程中,依据用户的实际兴趣为用户返回个性化的搜索结果可以提高用户对搜索结果的满意度。大量研究表明用户的实际兴趣与其在网页上的浏览行为是密切相关的,通过用户浏览行为分析可以获取用户兴趣信息,进而构建用户兴趣模型,使搜索结果更加贴近用户的期望。然而,目前的隐式用户兴趣获取方法无法很好的预测出用户对页面的实际兴趣度。究其原因,一方面是由于当前研究尚未考虑到用户的浏览行为可能随搜索任务类型的不同而变化。另一方面,当前的用户兴趣获取方法多使用某种特定用户行为预测用户兴趣度。针对上述问题,本文探究用户浏览行为在不同类型的搜索任务中所表现出的差异,并研究联合分析多种用户浏览行为的隐式用户兴趣获取方法。在此基础上构建适当用户兴趣模型,最终得出用户的实际兴趣,从而实现个性化服务,使搜索结果更加贴近用户的期望。具体的,本文将任务类型分为导航型、信息型、事务型叁种不同类型,将用户的基本浏览行为转换为页面停留时间时间、鼠标点击次数、页面重访问次数以及滑块移动次数四种可分析行为事件。通过Bernard提出的算法完成了任务类型的自动识别,分析了四种可分析行为事件在不同搜索任务类型中表现出的差异。在用户行为分析阶段,本文基于M5模型树对可分析事件建模完成对用户兴趣度的计算,在计算过程中树的剪枝和相关系数平滑是建模过程中必须考虑的问题。模型评价阶段,本文使用模型准确率评价指标将不区分任务类型和区分任务类型的模型与Nicholas Belkin的模型进行了对比。为了清晰有效的表达用户兴趣信息,本文提出了基于分类的用户兴趣模型,该模型涉及对文档的特征值提取,基于搜狗语料的SVM分类器对相关文档进行分类等技术。使用准确率和排序准确率两个指标将baidu搜索引擎和基于VSM的模型及基于分类的模型进行了对比。实验结果表明,本文提出的面向用户兴趣的用户行为分析模型可有效提高用户对搜索结果的满意度。(本文来源于《东北大学》期刊2013-06-01）
浏览兴趣论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
【目的】了解用户在线购物中的兴趣需求变化有利于个性化推荐。本文提出结合用户浏览行为分析的隐式动态兴趣识别和管理模型。【方法】通过叁阶段实验构造用户点击流数据,以天猫和淘宝网页功能键为数据粒度对页面分类,再采用Bisecting K-means聚类算法进行兴趣状态挖掘,最后总结归纳兴趣与行为的特征映射。【结果】用户隐式兴趣存在4种状态:关注、理解信息、态度和购买意图,在态度和购买意图状态下,更倾向于产生购买;在不同状态的浏览路径特征有所差异。【局限】未添加网页广告促销等非结构化数据进行分析。【结论】从实时动态兴趣的角度,对购物决策中兴趣的状态进行验证挖掘,拓展动态兴趣研究;为电商网站管理用户行为提供了一个实现动态个性化推荐的视角。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
浏览兴趣论文参考文献
[1].丛杨,孙伟,李成名,路文娟.基于用户历史瓦片浏览记录的兴趣点智能搜索方法优化研究[J].地理信息世界.2019
[2].刘洪伟,高鸿铭,陈丽,詹明君,梁周扬.基于用户浏览行为的兴趣识别管理模型[J].数据分析与知识发现.2018
[3].梅佩.基于浏览内容的用户兴趣研究[D].北京化工大学.2015
[4].黄倩,谢颖华.一种基于网页浏览行为的用户兴趣度计算方法[J].信息技术.2015
[5].宋章浩.基于Web浏览行为的用户兴趣模型研究[D].西南科技大学.2015
[6].谢琪琦,陈燕,陈宁江,李湘,梁小宇.基于LQN模型的租户兴趣浏览路径挖掘[J].重庆邮电大学学报(自然科学版).2014
[7].肖丹,尹春华.基于改进蚁群算法的用户有效浏览兴趣路径挖掘[J].计算机与现代化.2013
[8].尹立民.基于Web日志的浏览兴趣度分析技术研究[J].价值工程.2013
[9].许国迎,张宁.基于网页浏览的用户兴趣度研究[J].上海理工大学学报.2013
[10].邢晓兵.面向用户兴趣的用户浏览行为分析方法及应用[D].东北大学.2013
论文知识图
