跳到主要內容

臺灣博碩士論文加值系統

(3.235.185.78) 您好!臺灣時間:2021/07/27 18:19
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:陳俊穎
研究生(外文):Chun-Ying Chen
論文名稱:線上漸進式網站使用探勘推薦代理人之研究
論文名稱(外文):A Study of Recommend Agent Using Online Incremental Web Usage Mining
指導教授:黃錦法黃錦法引用關係
指導教授(外文):Ching-Fa Huang
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:資訊管理系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:84
中文關鍵詞:目錄瀏覽推薦網站使用探勘關聯法則漸進式探勘
外文關鍵詞:Association RuleIncremental MiningWeb Usage MiningDirectory Recommend
相關次數:
  • 被引用被引用:4
  • 點閱點閱:156
  • 評分評分:
  • 下載下載:28
  • 收藏至我的研究室書目清單書目收藏:0
如何吸引顧客上門以及如何提升使用者的滿意度是網站獲取競爭優勢的主要關鍵。而推薦系統可以說是一個可以解決的方法,但目前網站使用探勘推薦,皆必須針對網站的整體內容設計出一套符合自己網站的推薦系統,但如要將此系統應用在其他網站時,則必須適當的更改程式讓此系統能夠適用其他系統,而且提供顧客最新的資訊可說是非常重要,但目前並沒有針對整個網站資料來做即時更新而導致無法推薦新的資訊給顧客。
本研究提出新的線上漸進式網站使用探勘代理人之方法論,此推薦代理人採用漸進式探勘的方式以及依據網站目錄架構特性,採用網站目錄推薦的方式來解決當網站資料更新變動時,推薦系統也必須跟著變動才能符合網站需求的問題,且由於此推薦代理人採用網站目錄架構的方式,使得此代理人能夠更容易即時來維護整個推薦架構,讓此推薦系統能夠及時反應並更新推薦網頁內容,且由於採用網站目錄推薦方式所以推薦系統能夠適用於大部份的網站。另外為使本研究所提出的方法論能有效支援網站經營者及使用者進行網頁推薦,也實際設計及開發以本研究所提方法論為基礎的支援系統。經實例試用及三個禮拜系統實驗結果,本研究的網頁推薦支援系統,就系統執行效能而言,瀏覽推薦比例為91.36%,瀏覽推薦時間平均為4.78秒,瀏覽探勘時間平均為18.46分;就系統推薦效益而言,推薦精確度為49.5%,推薦涵蓋率為56.7%,推薦F1指標為52.8%。
How to attract the customer to visit as well as how to promote user''s degree of satisfaction is the website gain competitive advantage main keys.The recommendation system can be said a method which can solve, but the present Web Usage Mining Recommendation, all must aim at the website the overall content to design a system to conform to the oneself website recommendation system, but if this system must be used in other websites, then the system must change formula suitability to make this system to be suitable other systems, and provides the customer the most recent information to be possible to say is the count for much, but at present certainly has not made the immediate renewal in view of the entire website material to cause to be unable to recommend the recent information to give the customer.
In this study, we proposed a new online incremental web usage mining recommend agent’s methodology. This recommend agent uses incremental mining methodology and uses the website directory structure property to solve the question that as the website data change, the recommendation system also must be able to update. Because this recommend agent uses website directory structure, the agent can maintain the entire recommendation structure immediately, and enables this recommendation system prompt response and renewal recommendation homepage content, also because uses website directory recommendation method therefore the recommendation system can be suitable for the major part website. For three weeks of the experiment, the evaluation result show that:
In the perspective of system executing performance, the browsing recommendation ratio was 91.36%, and the average of overall browsing recommendation time was 4.78 seconds, and the average of overall browsing mining time was 18.46 minutes. In the perspective of system recommendation benefit, the overall recommendation precision was 49.5%,and the overall recommendation coverage was 56.7%,and the overall F1 was 52.8%.
中文摘要 …………………………………………………………………………….. i
目錄 …………………………………………………………………………………..ii
表目錄 ……………………………………………………………………………….iii
圖目錄 ……………………………………………………………………………….iv
一、 緒論………………………………………………………………………………1
1-1研究背景……………………………………………………………………..1
1-2研究動機 ……………………………………………………………………2
1-3研究目的 ……………………………………………………………………3
1-4論文架構 ……………………………………………………………............4
二、 文獻探討 ……………………………………………………………..................5
2-1 Web Mining 的定義與分類 ………………………………………………..5
2-2 網站使用探勘 ………………………………………..…………................6
2-2-1 使用探勘流程 ……..………………………………………………...6
2-2-2 使用探勘相關技術 ………………………………………………...12
2-2-2-1 關聯法則 ………………………………………………………12
2-2-2-2 序列型樣 ………………………………………………………15
2-2-2-3 群集分析 ………………………………………………………15
2-2-2-4 分類 ……………………………………………………………16
2-2-3使用探勘應用領域 ……………………………………………….. 16
2-3 漸進似探勘 …………………………………………………………….. 19
2-4 代理人…………….……………………………………………………... 22
2-4-1 代理人的定義與特性 ……………………………………………. 22
2-4-2 代理人的類型 ……………………………………………………. 23
三、線上漸進式網站使用探勘推薦代理人之方法論 ………………………….. 25
3-1 線上漸進式網站使用探勘推薦代理人之分類 ………………………….25
3-2 網站使用探勘推薦代理人………………..………………………………25
3-2-1 網站推薦機制之架構 .……………………………………………..25
3-2-2 網站線上即時推薦流程…………………………………………….26
3-2-3 漸進式使用探勘流程 ……………………………………………30
四、 線上漸進式網站使用探勘代理人支援系統 ..………………………………33
4-1 系統設計原則 …………………………………………………………….33
4-2 系統架構 ………………………………………………………………….34
4-3 系統開發 ………………………………………………………………….36
4-3-1 系統實作 ………………………………………………………….. 36
4-3-2 實例試用 …………………………………………………………. 38五、評估分析 …………… …………………………………………………….46
5-1 系統實驗評估分析 ………………………………………………………...46
5-1-1 系統實驗評估指標 ………………………………………………...46
5-1-2 系統實驗評估結果 ……………………………………………….. 51
5-2 相關系統比較分析 ……………………………………………………….. 57六、結論 …………………………………………………………………………… 66
6-1 結論 …………………………………………………………………….66
6-2 未來研究方向 ……………………………………………………………...66
參考文獻 ………………………………………………………………………….. 67
附錄一:瀏覽序列長度分佈表 …………………………………………………… 69
附錄二:瀏覽序列長度及MFR資料量對瀏覽推薦時間影響表………………. 70
附錄三:MFR資料量中MFR長度分佈表……………………………………... 71
附錄四:MFR長度與MFR資料量對瀏覽探勘時間影響……………………..... 72
[1] 林傑斌,劉明德,陳湘,2002,”數據挖掘與OLAP理論與實務”。
[2] 楊昇樺,毛立仁,邱宏彬,2002,”關聯法則之多層更新挖掘法及其應用,
第三屆資訊管理暨新興科技研討會”,11月30日。
[3] 劉玉敏,2003,”線上漸進式網站使用探勘之研究-以產品推薦為例”,國立雲
林科技大學,碩士論文。
[4] Bamshad Mobasher, Robert Cooley, Jaideep Srivastava, 2000, "Automatic Personalization Based on Web Usage Mining", Communications of The ACM, vol.43, pp.142-151, August。
[5] D. Canfield Smith, A. Cypher and J. Spohrer. “KidSim:Programming Agents
Without a Programming Language.”Communications. Of the ACM 37, 7(Jul.
1994), pp.54-67。
[6] David Cheung, Ben Kao, Joseph Lee, 1997, "Discovering User Access Patterns on
the World-Wide Web", First Pacific Asia Conference on Knowledge Discovery and Data Mining, pp.23-24,February。
[7] D.W. Cheung, S.D. Lee , and B. Kao , 1996, "Maintance of discovered association rules", Proc. Of the IEEE ICDE, pp.106-114。
[8] Guttman, R.H., Moukas, A.G.& Maes, P.,1998,“Agents as Mediators in Electronic Commerce,” Electronic Markets, 8(1), pp.22-27。
[9] Henry Lieberman,1995,”Letizia: An Agent That Assists Web Browsing”。
[10] Jaideep Srivastava,Robert Cooley,Mukund Deshpande,Pang-Ning Tan,
2000,”Web Usage Mining:Discovery and Application of Usage Patterns from
Web Data”。
[11] Jiawei Han, Micheline Kamber, 2001, Data Mining : Concepts and Techniques,
Morgan Kaufmann Publishers。
[12] Maes, P., Guttman, R.H. and Moukas, A.G.,1999,“Agents that Buy and Sell: Transforming Commerce as We Know It,” Communications of the ACM, Vol.42, No. 3, pp.81-91。
[13] Ming-Syan Chen,Jong Soo Park,Philip S. Yu, 1998, "Efficient Data Mining for Path Traversal Patterns",IEEE Transactions On Knowledge And Data Engineering, vol. 10,no.2., pp.209-221。
[14] O. Etzioni, 1996, "The world wide web: Quagmire or gold mine",
Communications of the ACM, vol. 39, pp.65-68。
[15] O. R. Zaïane,1998, “From Resource Discovery to Knowledge Discovery on the Internet, submitted to ACM Computing Surveys。

[16] R. Agrawal, R.Srikant, 1994, ”Fast Algorithm for Mining Association Rules in
Large Databases,” in Proc. of The 20th International Conference on Very Large
DataBases。
[17] R. Cooley, B.Mobasher and J. Srivastava, 1997, "Web Mining: Information and Pattern Discovery on the World Wide Web", In Proceeding of ICTAI''97。
[18] Robert Armstrong, Dayne Freitag, Thorsten Joachims, and Tom Mitchell , 1995
,“WebWatcher:A Learning Apprentice for the World Wide Web”。
[19] Robert Cooley, Bamshad Mobasher, Jaideep Srivastava, 1999, "Data Preparation
for Mining World Wide Web Browsing Patterns", Knowledge and Information
Systems, vol. 1(1)。
[20] S. Garfinkel and G. Spafford, 1990,Web Security &Commerce。
[21] S. Thomas, S. Bodagala, K. Alsabti, and S. Ranka, 1997, "An efficient algorithm
for the incremental updation of association rules in large databases", Proc. Of the
3rd KDD97, pp.263-266。
[22] San, M.,1998, “Intelligent agents on the Internet and Web,” TENCON ’98.
IEEE Region 10 International Conference on GlobalConnectivity in Engery,
Computer, Communication and Control,Vol.1, pp. 97-102。
[23] W. Hill, L. Stead, M. Rosenstein, and G. Furnas.,1995, Recommending and evaluating choices in a virtual community of use. In Proc. on Human Factors in Computing Systems, pages 194--201。
[24] Bamshad Mobasher, Honghua Dai, Tao Luo, Miki Nakagawa, 2002, "Discovery and Evaluation of Aggregate Usage Profiles for Web Personalization", In Data Mining and Knowledge Discovery, Kluwer Publishing, Vol. 6, No. 1, pp. 61-82, January.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 5. 王國樑、翁志強、張美玲(1998),臺灣綜合證券商技術效率探討,《證券市場發展》,10(2),93-115。
2. 28. 周震平 (民89),Call Center目標及績效評估管理,通訊雜誌,78頁104-105。
3. 14. 江勁毅,曾國雄 (民89),「新的DEA效率衡量方式:以模糊多目標規劃建立之效率達成度」,管理學報,第17卷,第2期,頁369-388。
4. 4. 王國明、顧志遠(1991),DEA模式在教育評鑑上應用之研究,《現代教育》,6(1),118-127。
5. 100. 羅思嘉,梁伶君 (民87),「大學圖書館績效評估模式之研究」,國立成功大學圖書館館刊第一期。
6. 98. 蕭灌修 (民83),政府機關施政績效提昇之探討,研考雙月刊,第18卷第5期(編號183),頁15-20。
7. 96. 蕭志同,李建裕 (民92),中心衛星工廠制度之執行成果與績效評估,臺灣銀行季刊,第54卷第2期,頁157-171。
8. 95. 鄧振源,曾國雄 (民88),層級分析法(AHP)的內涵特性與應用(下),中國統計學報,第27卷,第7期,頁13767-13870。
9. 94. 鄭勝分 (民90),失落的連結--公部門績效評估與激勵制度之研究,研考雙月刊,第25卷第5期(編號225),頁86-97。
10. 27. 汪美香,許溪南 (民89),「AHP應用於外幣選擇權投資策略之研究─以國際金融業務分行(OBU)為例」,企業管理學報,第46卷,第2期,頁115-134。
11. 22. 李素華,李雅萍 (民88),「技術移轉模式—研發機構成立衍生公司」技術尖兵,48期。
12. 16. 吳豐盛 (民92),論國營事業之績效評估:以經濟部所屬國營事業為例,研考雙月刊,第27卷第5期(編號237),頁80-91。
13. 92. 劉錦龍 (民83),科技研發績效評估之探討,研考雙月刊,第18卷第5期(編號183),頁21-31。
14. 89. 寧致遠 (民89),企業績效評估的新面貌:平衡記分卡,管理雜誌,316,頁136-137。
15. 87. 詹情雯 (民92),技術創新的績效評估,電子月刊,第9卷第12期(編號101),頁139-143。