改进的偏爱浏览路径挖掘算法：支持-偏爱度与相似距离

"李红波、王宁等人提出了一种改进的偏爱浏览路径挖掘算法，旨在提高从Web日志中挖掘用户偏好路径的准确性与效率。该算法结合了页面相似距离和支持-偏爱度的概念，以更全面地考虑用户浏览行为的影响因素。" 在Web数据挖掘领域，用户浏览路径分析是一项重要的任务，它可以帮助网站理解用户的浏览习惯，优化网站布局，提高用户体验，以及进行个性化推荐。传统的偏爱浏览路径挖掘算法通常基于访问频率来确定用户的热门路径，但这可能无法完全反映用户的实际偏好，因为某些路径可能由于偶然性而被频繁访问。 李红波等人的改进算法引入了两个关键概念：页面相似距离和支持-偏爱度。页面相似距离衡量的是不同网页之间的内容关联性，这有助于识别那些虽然访问次数不多，但内容相关的页面，从而更准确地反映出用户的兴趣。支持-偏爱度则结合了访问频率和页面相似性，为评估路径的重要性提供了更为全面的指标。 算法首先根据Web日志构建用户访问矩阵，记录每个用户对各个页面的访问情况。接着，通过夹角余弦公式计算页面之间的相似度，以此为基础生成包含可能的偏爱浏览子路径的候选集。然后，算法利用支持-偏爱度对这些候选集进行过滤，保留那些具有较高支持度和偏爱度的子路径。最后，将这些子路径合并，形成最终的偏爱浏览路径。 实验结果显示，这种改进的算法相比传统方法能更有效地挖掘出用户的真实偏好路径，提高了挖掘的准确性和效率。这一研究成果对于Web数据分析、个性化推荐系统设计，以及网站优化具有重要的理论和实践价值。 关键词：偏爱浏览路径；支持-偏爱度；相似矩阵；Web日志挖掘；用户行为分析 中图分类号：TP391（计算机科学技术） 该论文的贡献在于提供了一个新的视角来理解和挖掘用户的Web浏览行为，通过引入新的度量标准，改进了路径挖掘的精度，对于互联网服务提供商和数据科学家来说，这是一个有价值的工具，有助于他们更好地理解用户需求并提供定制化的服务。