数实费事与高用
基于用户行为日志的网站推荐
郑小坤杰李书豪杨盆谦亚军
(贵州大学数学与统计学院,责州贵阳550025)
学术论坛
摘要：随着信息技术和lntermet技术的蓬勃发展，网络用户接受信息的模式返新从信息置乏到信息过载，对于网络信息的日新月异，无论是信息消费者还是信息生产者都遇到了很大的挑战。为此,本文介绍了非荐系统的发展现状，简单分析了热门的推荐算法(协同过滤算法)，结合网络用户对有价值信息获取的需求，设计了网站推荐系统，完成了机器学习算法框案Mahout在推荐系统上的实现。
关键词：雅荐系统；行为目志；协同过滤
中图分类号：TP311
文献标识码：A
任何一个网站，它提供例如新闻资讯、电影音乐、视频浏览、游戏等服务的，只要有用户在上面访间，就会留下该用户的使用记录。无论这些数据如何允余复杂，如何单一简陋，只要存在用户ID和点击量，就可以支撑一个网络广告的商业模式。而智能化发展对于当今的互联网来说是一个重要的方向。基于用户的兴趣偏好，将讯息有针对性地提供给目标用户，能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容，体现服务的人性化。推荐系统作为大数
据时代应运而生的产物，对互联网发展来说，有着重要的意义。 1推荐系统的发展现状
随着Web技术的越来越成熟和电子商务、移动互联网的日益普邀，自20世纪90年代中期出现第一批关于协同过滤的文章以来，推荐系统逐渐变得越来越重要,得到很多国内外学者的关注与研究。 1995年3月，卡耐基·梅隆大学的RobertArmstrong等人在美国人工智能协会上提出了个性化导航系统WebWeather：斯坦福大学的 MarkoBalabanovic等人在同一会议上推出了个性化推荐系统 LIRA，这在推荐系统的发展历程上是光辉的一笔。
和搜索引擎不同，个性化推荐系统需要依赖用户的行为数据，因此一般都是作为一个应用存在于不同网站之中。在互联网的各类网站中都可以看到推荐系统的应用，而个性化推荐系统在这些网站中的主要作用是通过分析大量用户行为日志，给不同用户提供不同的个性化页面展示，来提高网站的点击率和转化率。许多大型的推
展现层数据结果层策略层日志信息层
收稿日期：2017-06-13
*基金项目：责州大学创新创业项目阶段性成果，
用户基本值息用户特征模型
文章编号：1007-9416(2017)06-0231-02
荐系统随着信息时代的来临应运而生。姓名(出生年一)，性别（民族，
汉族可省略)，籍贯(具体到省市)，学历，职位，职称，研究方向。 2协同过滤算法
协同过滤推荐(CollaborativeFilteringrecommendation)是在信息过滤和信息系统中正迅速成为一项十分受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤通过分析用户兴趣，在用户集中挖掘出与指定用户相似(兴趣)用户，综合这些相似用户对某一项目的评价，形成系统对该指定用户对此项目的喜好程度的预测，
2.1基于用户的协同过滤算法UserCF
基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户之间的相似性来做推荐。总的来说就是：给目标用户推荐和他兴趣相近的用户喜欢的物品。
2.2基于物品的协同过滤算法ItemCF
基于物品的协同过滤，通过用户对不同item的评分来评测item 之间的相似性，基于tem之间的相似性做出推荐。简单来讲就是：给
用户推荐和他之前喜欢的物品相似的物品。 3网站推荐系统需求分析
3.1构建用户兴趣模型
首先要保证数据的质量控制，数据的完整性与一致性、缺省值
用户历空测警识量
合
存经数据维荐结果网站特征模型
合
用户4周行为口支
图1WBL系统总体框架
作者简介：郑小坤(1995一),男,汉族,河北邮人,本科,研究方向：信息与计算科学
推萍纯果推荐策路库
用户个人信息
通讯简介：蔡杰(1972一),男，汉族，贵州习水人,理学硕士,高级实验师,研究方向基础教育、教学管理、现代分析技术。万方数据