● 摘要
随着网络技术的发展和普及,Web 已成为人们获取信息的一条重要途径，然而面对大量而纷繁的信息，往往使得用户无法找到自己需要的信息，针对这种情况，各站点先后推出了智能推荐的功能，主动为用户推荐可能感兴趣的信息，因此，如何快速、准确地为用户推荐可能感兴趣的信息已经成为人们关注和研究的热点。本文首先对Web挖掘和推荐系统的相关理论进行了深入研究，提出了基于Web日志挖掘的智能推荐的体系结构。探讨了Web挖掘的特点、分类和使用，分析了目前存在的推荐系统应用的技术。对Web日志预处理的现状进行了详细介绍，研究了有关Frame页面的Web日志预处理的算法。概括了聚类技术，包括聚类的基本概念，聚类的数学模型，日志聚类的分类，重点研究了日志聚类，并探讨了针对Web日志的算法RFSC。在此基础上，设计了基于Web日志挖掘的智能推荐算法，并对该算法进行了简单验证，得出了该算法与model-based算法比准确率要高，与memory-based（k-nearest neighbor）算法比处理性能要高。最后，根据设计的推荐算法，对智能推荐站点进行了设计，并重点设计了日志服务器。