导读:本文包含了会话聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:Web挖掘,Web用户聚类,聚类算法,模式聚类
会话聚类论文文献综述
郑富兰,吴瑞[1]（2014）在《基于用户特性的Web会话模式聚类算法》一文中研究指出Web用户聚类是通过分析用户会话,将具有相同或相似访问特征的用户聚为一类。在会话相似性度量方面综合考虑了网页浏览时间和访问频次两个因素,并考虑到用户个人习惯、能力等因素对浏览时间的影响,将浏览时间处理为RDP(Reduce the Differences in Personality)浏览时间,以降低其个性特征。为此,提出一种基于用户特性的RDPk-means聚类算法。实验表明,该算法可以有效实现用户会话的聚类,聚类结果客观合理。(本文来源于《计算机应用与软件》期刊2014年02期）
凌海峰,曹荣涛[2]（2013）在《基于混合蚁群算法的Web用户会话聚类》一文中研究指出会话聚类是一种重要的Web使用挖掘技术,旨在发现相似的用户行为,这是目前电子商务中的热点问题之一。该问题的难度在于要对大规模的会话进行聚类,这些会话被表示成高维向量,加大了对算法高效性的要求。提出了一种ACO和PSO相结合的算法进行会话聚类分析。实验结果表明该算法与ACO算法、PSO算法、K-means算法相比,具有更好的性能。(本文来源于《计算机工程与应用》期刊2013年22期）
刘明[3]（2013）在《基于聚类和会话情景的混合推荐算法研究》一文中研究指出随着互联网技术的普及，电子商务已经成为人们生活当中不可或缺的一种消费方式。同时网络上也充斥着海量的商品信息，信息过载使用户不能有效的获取自己感兴趣的信息，降低了信息的使用效率。以搜索引擎为代表的信息检索系统是帮助用户筛选信息的重要手段，但是搜索引擎不能根据用户的个性化需求，主动提供有效信息给用户。个性化推荐系统能够满足用户的个性化需求，也是目前解决信息过载的最有效工具。常见的个性化推荐方法有基于内容的推荐和协同过滤推荐。基于内容的方法是根据用户已经评分项目的特点构建用户的兴趣模型，再把符合这个模型的项目推荐给用户；协同过滤要找到与目标用户的最相似的用户，通过相似用户的评分来预测目标用户的评分，再把评分高的项目推荐给用户，这两种方法都有各自的优点。但是在应用到电子商务领域时，都没有考虑到用户购买需求的多样性和实时变化的特点。本文提出一种新的应用于电子商务的混合推荐算法，该算法把基于内容的推荐和协同过滤推荐相结合。先基于用户的背景知识对于用户进行聚类处理，再把用户对商品页面的行为转化为对商品的评分，计算簇类用户的相似度，用最近邻用户的评分代替目标用户对商品的评分得到未评分商品的预测评分。在用户使用推荐系统时，根据目标用户当前会话中已浏览的项目进行分析，得到当前用户的购买需求。依据用户的购买需求去评价项目的协同过滤推荐评分从而产生一个复合的评分推荐。实验结果表明，本文提出的方法能够显着的提高推荐效率并具有更高的推荐精度。(本文来源于《华中科技大学》期刊2013-05-01）
王浩[4]（2013）在《基于BFO和K-means相结合的web用户会话聚类方法研究》一文中研究指出随着风靡全球的网上交易平台和B2C的应用，Web空间中充斥着规模巨大的超越人类的认知和理解能力的的异构信息，Web用户显示不同的行为模式依赖于他们的信息需求和特定的访问项目。聚类是目前挖掘这类信息以获取有效的知识最关键的一项技术。Web用户聚类挖掘用户浏览需求和偏好的相关信息，这些信息可以帮助网站运营商改善站点的内容、结构和性能，从而为用户提供更具个性化的服务和更出色的浏览体验。例如，在电子商务网站，可能存在不同（不重迭）浏览模式的用户组，这些用户组包括通过浏览不同类别的各式各样的产品参与购物的用户；有目标导向的只关心特定的产品种类的用户；把产品放入购物车但没有购买的用户等等。确定这些用户的行为模式，一个网站可以去区分哪些用户表现出很高的购买倾向，而哪些没有。反过来，也可以诱导个性化工具的产生，针对相应的用户调整页面的内容。国内外丰富的研究成果已经证明对于大型的数据集，最常用的划分聚类算法K-means算法更加适用。然而，K-means算法只能产生一个局部最优解，对于大规模的会话聚类问题显得力不从心。在最近的研究中，智能优化技术被引入到数据挖掘中来，群智能是由动物的生物行为产生的灵感，堪称解决分布式的优化问题的智能典范。它是一种基于一个多代理环境中独立代理之间的沟通和协作的艺术形态的优化技术。本文提出基于细菌觅食优化的K-means聚类算法，将聚类问题转化为一个优化问题。首先，本文提出一个单纯的细菌觅食聚类算法，该算法能在合理的时间内发现接近全局最优的聚类。相比于K-means算法的局部搜索，细菌觅食聚类算法在整个解空间进行全局搜索。利用细菌觅食算法与k-means算法融合来改进k-means算法对于随机地选择初始聚类中心的依赖，使得算法更加稳定高效。本文主要的研究工作及创新性研究成果如下：(1)本文提出了一个基于BFO改进的K-means聚类算法。把聚类问题转化为通过优化目标函数来找到K-means聚类所需的最优初始聚类中心的问题。(2)设置实验选取算法的参数并对四种不同的数据集进行聚类，分析混合算法的有效性。(3)对真实的web用户会话进行聚类，与流行的聚类算法比较，实验结果显示该算法具有更好的性能。(本文来源于《合肥工业大学》期刊2013-04-01）
凌海峰,王浩[5]（2012）在《细菌觅食算法与K-means结合的Web用户会话聚类》一文中研究指出Web用户会话聚类是电子商务领域的NP-难问题,目的是发现相似的用户访问行为模式。该问题难度在于对大规模的Web会话进行聚类,且每个会话都表示为高维向量。提出一种细菌觅食算法和K-means相结合的优化算法,用知名的数据集测试其有效性。对Web会话进行聚类,与流行的聚类算法进行比较,实验结果显示该算法高效且性能更优。(本文来源于《计算机工程与应用》期刊2012年36期）
姜大庆,周勇[6]（2012）在《基于全序列比对相似度的用户会话自动谱聚类》一文中研究指出针对现有个性化推荐服务系统中用户会话聚类算法存在相似性度量准确性低和需要事先确定聚类数目的问题,对序化的用户访问页面和对应的访问时间信息进行整合,提出一种基于动态规划算法的全序列比对方法来度量用户会话的相似性。在此基础上,运用改进的NJW谱聚类算法对用户会话进行自动谱聚类。实验结果表明,算法充分考虑了用户会话的整体特征和局部信息,较相关比对算法具有更高的聚类性能,可以提高网站个性化推荐服务的效率。(本文来源于《计算机科学》期刊2012年11期）
凌海峰,余笪[7]（2012）在《基于聚类的Web用户会话识别优化方法》一文中研究指出会话识别是用户访问行为分析的基础和关键工作,其质量对于识别和发现用户的信息需求具有决定性的影响。目前常用的是基于时间阈值的切分方法,但是该方法存在的主要问题是针对不同用户时间阈值难以准确地确定。提出了一种新的基于聚类技术的会话识别优化方法,首先建立了基于聚类的会话识别优化模型,然后采用改进的K-means算法进行会话识别。实验结果表明该方法与传统方法相比具有较好的效果。(本文来源于《计算机应用研究》期刊2012年08期）
曹荣涛[8]（2012）在《基于ACO和PSO相结合的Web用户会话聚类方法研究》一文中研究指出随着Web2.0时代的到来，Web使用挖掘受到越来越多的关注。大规模的互联网用户访问行为产生了海量的数据。从用户使用行为中发掘出用户感兴趣的模式给研究人员也带来了挑战。找到这些模式是web使用挖掘最终的目标，它可以帮助改善站点的内容、结构和个性化服务，从而给用户带来更好的浏览体验。会话聚类是一种重要的Web使用挖掘技术，旨在发现相似的用户行为，这是目前Web使用挖掘中的热点问题之一。该问题的难度在于要对大规模的会话进行聚类，这些会话被表示成高维向量，加大了对算法高效性的要求。群体智能算法由于其具有的高性能和易实现性，被众多学者应用到函数优化和工程技术领域，取得了较理想的效果，例如蚁群优化算法（Ant ColonyOptimization，ACO）和粒子群算法（Particle Swarm Optimization，PSO）。而对运用群体智能算法进行web使用挖掘的研究尚处于起步阶段，算法本身在解决此类问题上还存在着不足之处。因此针对问题的特性如何进行算法的改进使其获得更好的性能具有重要的意义。本文主要的研究工作包括如下叁个个方面的内容：(1)从理论上对蚁群算法和粒子群算法进行分析，根据这两种算法各自存在的优点和缺陷，将两算法进行融合。(2)对UCI数据集进行聚类操作，验证混合算法的有效性。(3)运用混合算法进行真实Web用户会话进行聚类。实验结果表明该算法与ACO算法、PSO算法、K-Means算法相比，具有更好的性能。(本文来源于《合肥工业大学》期刊2012-04-01）
陈富赞,刘青,李敏强,寇纪淞[9]（2012）在《一种基于会话聚类算法的Web使用挖掘方法》一文中研究指出Web使用挖掘作为数据挖掘的一个重要任务,有助于了解用户群体的特征,从而为其提供个性化服务.提出了一种基于用户会话聚类的Web使用挖掘算法.首先,对Web日志预处理采用基于时间窗的用户会话识别方法,提出了一种基于叁元组的用户会话表示方法,并在此基础上给出了基于网页语义相似性的会话处理方法,该方法能够在保持用户兴趣不变的情况下有效降低会话维度;其次,提出了一种基于时间及频次的用户会话相似性度量方法;最后,设计了一种两阶段PS-KM会话聚类算法,先用PSO方法进行全局搜索再转入基于K-means方法的局部聚类过程.仿真表明了算法的有效性.(本文来源于《系统工程学报》期刊2012年01期）
杨钤雯,寇纪淞,陈富赞,李敏强[10]（2011）在《基于本体的语义网络会话聚类和可视化方法》一文中研究指出提出一种基于本体的网络会话表示方法,即语义会话,和一种会话聚类和可视化方法.会话聚类方面基于用户浏览网站的公共路径提出一种语义会话间的相似性度量——语义公共路径相似性度量(SMSCP),并且使用改进的kmedoids聚类算法衡量其有效性.在聚类结果可视化方面应用层云表来展示聚类结果.实验表明文中的聚类方法和可视化方法具有更好的有效性及可理解性.(本文来源于《模式识别与人工智能》期刊2011年01期）
会话聚类论文开题报告
（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：
会话聚类是一种重要的Web使用挖掘技术,旨在发现相似的用户行为,这是目前电子商务中的热点问题之一。该问题的难度在于要对大规模的会话进行聚类,这些会话被表示成高维向量,加大了对算法高效性的要求。提出了一种ACO和PSO相结合的算法进行会话聚类分析。实验结果表明该算法与ACO算法、PSO算法、K-means算法相比,具有更好的性能。
（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。
会话聚类论文参考文献
[1].郑富兰,吴瑞.基于用户特性的Web会话模式聚类算法[J].计算机应用与软件.2014
[2].凌海峰,曹荣涛.基于混合蚁群算法的Web用户会话聚类[J].计算机工程与应用.2013
[3].刘明.基于聚类和会话情景的混合推荐算法研究[D].华中科技大学.2013
[4].王浩.基于BFO和K-means相结合的web用户会话聚类方法研究[D].合肥工业大学.2013
[5].凌海峰,王浩.细菌觅食算法与K-means结合的Web用户会话聚类[J].计算机工程与应用.2012
[6].姜大庆,周勇.基于全序列比对相似度的用户会话自动谱聚类[J].计算机科学.2012
[7].凌海峰,余笪.基于聚类的Web用户会话识别优化方法[J].计算机应用研究.2012
[8].曹荣涛.基于ACO和PSO相结合的Web用户会话聚类方法研究[D].合肥工业大学.2012
[9].陈富赞,刘青,李敏强,寇纪淞.一种基于会话聚类算法的Web使用挖掘方法[J].系统工程学报.2012
[10].杨钤雯,寇纪淞,陈富赞,李敏强.基于本体的语义网络会话聚类和可视化方法[J].模式识别与人工智能.2011