1、隨著互聯(lián)網(wǎng)的普及和電子商務的發(fā)展，推薦系統(tǒng)在電子商務系統(tǒng)中起著越來越重要的作用。它可以將電子商務網(wǎng)站的瀏覽者變?yōu)橘徺I者，提高電子商務網(wǎng)站的交叉銷售能力，保留已有用戶。但是隨著電子商務系統(tǒng)規(guī)模的進一步擴大，電子商務推薦系統(tǒng)也面臨著一系列挑戰(zhàn)。針對電子商務推薦系統(tǒng)面臨的主要挑戰(zhàn)，本文基于Web挖掘?qū)﹄娮由虅胀扑]技術進行了有益的探索和研究。 本文深入研究了Web挖掘的相關技術及其在電子商務推薦系統(tǒng)中的應用，研究了協(xié)同過濾推薦算法和基于

2、關聯(lián)規(guī)則的推薦算法。針對現(xiàn)有推薦算法推薦準確率低等不足，本文從Web訪問序列模式挖掘和推薦產(chǎn)生兩個方面對現(xiàn)有算法進行了改進。 首先，在模式挖掘階段，基于WAP—tree結構對現(xiàn)有的FLWAP—mine算法進行了改進，在樹的構造過程中只掃描一次數(shù)據(jù)庫，在訪問序列模式挖掘過程中采用投影樹的思想并對投影樹進行剪枝縮小搜索范圍，而且當投影樹只有一個分枝時直接返回相應的訪問序列模式，提高了挖掘效率。其次，在推薦產(chǎn)生階段，把利用改進的FLW

3、AP—mine算法生成的序列模式應用于個性化推薦。使用一種樹形結構來存儲挖掘得到的Web訪問序列模式，在該樹形結構的基礎上進行頁面匹配，給出了一種基于訪問序列模式的頁面推薦算法。該頁面推薦算法中采用了可變活動窗口技術，同時引入頁面選擇關注度和頁面平均訪問度的概念，將頁面選擇關注度、頁面平均訪問度與規(guī)則的可信度相結合作為頁面推薦度進行推薦，可以有效地提高推薦的質(zhì)量。最后，進行了兩組仿真實驗，實驗結果表明，改進的FLWAP—mine算法比原