● 摘要
随着网络应用的不断普及，互联网已经不仅仅是一个信息发布的平台。人们在分享互联网上信息的同时，也在接受互联网的服务。个性化推荐服务就是通过隐式或显式的收集用户自身的信息以及用户的历史行为信息，对用户的未来可能的需求做出相应的预测并为其推荐合适的项目。 Web个性化页面推荐是指在用户访问互联网信息时为用户提供页面推荐的服务，帮助用户在众多的页面中快速找到自己需要的页面。本文初步研究了个性化推荐系统的现状，分析了传统的推荐算法在Web环境下的应用，并对主流的基于Web挖掘技术的个性化页面推荐的相关算法进行了探讨。最后，本文将Web个性化页面推荐置于机器学习中的相对排序的理论框架下，结合排序理论与Web挖掘技术，实现了符合网络环境下的基于用户访问的动态相对排序算法族，设计基于人工智能中模糊认知图理论的相对排序的启发式算法并予以实现。这也是本篇论文的创新点。 本文的主要任务是根据用户的互联网使用信息对用户的访问习惯进行建模，设计并实现个性化页面推荐流程及算法。主要工作和取得的成果包括： 1．对Web个性化页面推荐的研究内容进行了全面的阐述。介绍了个性化推荐系统的工作流程，以及主流的用户访问行为建模技术及个性化推荐技术。 2．研究了机器学习中的相对排序理论，实现了基于图结构的相对排序算法族；引入人工智能中的模糊认知图理论，设计并实现了基于模糊认知图的用户建模算法和启发式推荐算法，通过实验证明了该方法的可行性和有效性。 3．基于J2EE平台设计和实现了一个页面推荐原型系统“WPRPS”，该原型系统综合实现了本论文研究的用户建模算法和推荐算法，模拟实现了Web页面在线推荐的流程。 最后，本文对个性化页面技术的发展和应用进行了乐观的展望，并指出了个性化页面推荐技术的发展方向及本文下一步的工作。