一种基于Bayesian网络的网页推荐算法

• 作者: 李廉 杨静 王爱国 陈桂林
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 数据挖掘 个性化推荐 协同过滤 贝叶斯网络
• 年，卷（期）: 2011,（4）
• 页码范围: 137-142
• 分类号: TP391.3
• 语种: 中文

摘要

为改善用户的Web页面访问行为、提高访问效率,设计了一种基于贝叶斯网络的网页推荐模型及推荐算法。通过收集和分析服务器中的描述文件和日志文件,利用Bayesian网络分析页面间的依赖关系,构建了基于贝叶斯网络的网页推荐模型并产生推荐集。通过在Microsoft公司提供的网络日志数据集上做的实验,可以获得超过80%的准确率和覆盖率。理论分析和实验结果表明：算法能够在线实时向用户做出个性化的推荐,与已有的推荐算法相比,算法能较快地给出推荐集,并且可以获得更高的准确率和覆盖率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	合肥工业大学计算机与信息学院	26	163	7.0	11.0
2	李廉	合肥工业大学计算机与信息学院	16	337	8.0	16.0
3	王爱国	合肥工业大学计算机与信息学院	17	66	5.0	7.0
4	陈桂林	合肥工业大学计算机与信息学院	3	19	3.0	3.0