基于BFO和K-means相結(jié)合的web用戶會(huì)話聚類方法研究.pdf

1、隨著風(fēng)靡全球的網(wǎng)上交易平臺(tái)和B2C的應(yīng)用，Web空間中充斥著規(guī)模巨大的超越人類的認(rèn)知和理解能力的的異構(gòu)信息，Web用戶顯示不同的行為模式依賴于他們的信息需求和特定的訪問(wèn)項(xiàng)目。聚類是目前挖掘這類信息以獲取有效的知識(shí)最關(guān)鍵的一項(xiàng)技術(shù)。Web用戶聚類挖掘用戶瀏覽需求和偏好的相關(guān)信息，這些信息可以幫助網(wǎng)站運(yùn)營(yíng)商改善站點(diǎn)的內(nèi)容、結(jié)構(gòu)和性能，從而為用戶提供更具個(gè)性化的服務(wù)和更出色的瀏覽體驗(yàn)。例如，在電子商務(wù)網(wǎng)站，可能存在不同（不重疊）瀏覽模式的用戶

2、組，這些用戶組包括通過(guò)瀏覽不同類別的各式各樣的產(chǎn)品參與購(gòu)物的用戶;有目標(biāo)導(dǎo)向的只關(guān)心特定的產(chǎn)品種類的用戶;把產(chǎn)品放入購(gòu)物車但沒(méi)有購(gòu)買的用戶等等。確定這些用戶的行為模式，一個(gè)網(wǎng)站可以去區(qū)分哪些用戶表現(xiàn)出很高的購(gòu)買傾向，而哪些沒(méi)有。反過(guò)來(lái)，也可以誘導(dǎo)個(gè)性化工具的產(chǎn)生，針對(duì)相應(yīng)的用戶調(diào)整頁(yè)面的內(nèi)容。
　　 國(guó)內(nèi)外豐富的研究成果已經(jīng)證明對(duì)于大型的數(shù)據(jù)集，最常用的劃分聚類算法K-means算法更加適用。然而，K-means算法只能產(chǎn)生一個(gè)

3、局部最優(yōu)解，對(duì)于大規(guī)模的會(huì)話聚類問(wèn)題顯得力不從心。在最近的研究中，智能優(yōu)化技術(shù)被引入到數(shù)據(jù)挖掘中來(lái)，群智能是由動(dòng)物的生物行為產(chǎn)生的靈感，堪稱解決分布式的優(yōu)化問(wèn)題的智能典范。它是一種基于一個(gè)多代理環(huán)境中獨(dú)立代理之間的溝通和協(xié)作的藝術(shù)形態(tài)的優(yōu)化技術(shù)。
　　 本文提出基于細(xì)菌覓食優(yōu)化的K-means聚類算法，將聚類問(wèn)題轉(zhuǎn)化為一個(gè)優(yōu)化問(wèn)題。首先，本文提出一個(gè)單純的細(xì)菌覓食聚類算法，該算法能在合理的時(shí)間內(nèi)發(fā)現(xiàn)接近全局最優(yōu)的聚類。相比于K-

4、means算法的局部搜索，細(xì)菌覓食聚類算法在整個(gè)解空間進(jìn)行全局搜索。利用細(xì)菌覓食算法與k-means算法融合來(lái)改進(jìn)k-means算法對(duì)于隨機(jī)地選擇初始聚類中心的依賴，使得算法更加穩(wěn)定高效。
　　 本文主要的研究工作及創(chuàng)新性研究成果如下:
　　 (1)本文提出了一個(gè)基于BFO改進(jìn)的K-means聚類算法。把聚類問(wèn)題轉(zhuǎn)化為通過(guò)優(yōu)化目標(biāo)函數(shù)來(lái)找到K-means聚類所需的最優(yōu)初始聚類中心的問(wèn)題。
　　 (2)設(shè)置實(shí)驗(yàn)選取