推薦書籍范文

導語：如何才能寫好一篇推薦書籍，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

書名：《荊棘鳥》

推薦理由

愛情和命運從來就沒有一個預定的軌道，人們因為執著的追求而飽受創傷，但對生活抱有期望卻是她們能堅持的理由。

作者：考琳·麥卡洛 曾胡譯

傳說中有一種鳥兒，從離開巢窩的那一刻起，它就在尋找著荊棘樹。然后，把自己的身體扎進一株最長、最尖的荊棘上，流著血淚放聲歌唱。一曲終了，荊棘鳥氣竭命殞，以身殉歌——以一種慘烈的悲壯塑造了永恒的美麗，給人們留下一段悲愴的絕唱。因為最美好的東西只能用最深痛的巨創來換取……這就是荊棘鳥的傳說。

作為澳洲版的《飄》，女作家考琳·麥卡洛用她那富有詩意的語言向我們講述了一段由家庭秘密、禁愛、新大陸的繁重勞作交織的歷史。

每個女孩子都對那樣一種求而不得的愛情有著無限憧憬，麥吉也不例外。初見的時候，10歲的麥吉和28歲的拉爾夫，他們距離的不僅僅是18年的長度，神父的身份注定了他們的愛情是一條不歸路，也注定了麥吉悄然萌芽的依戀終會沒有回報。它讓人無法遏制地想起了第六世達賴倉央嘉措的情與詩。其實，從一開始就明白，這份愛，無論多么刻骨銘心，終究只會化為人生的回憶。愛不能、忘不掉、放不下、舍不得，然而，我們卻依然要把荊棘扎進胸膛。

生，如夏花般絢爛：死，如秋葉般靜美。

書名：《流浪的面包樹》

推薦理由

戀愛讓男生成為詩人，分手讓女生成為哲人。成長，才是女人最后的歸宿。

作者：張小嫻

作為面包樹系列的最后一本，張小嫻讓我們從幼稚走到成熟，最后成全了自己的成長，可是程韻和林方文的故事仍然讓我們覺得生活殘酷。

相愛和相守，本就是兩碼事。但其實沒有必要為結局什么的遺憾和糾結，張小嫻早就說過：遺憾，也是一種幸福，因為生活中居然還有能令你遺憾的事情。

書名：《公主向前走》

推薦理由

在人生中兜兜轉轉，終于遇見屬于我的幸福。

作者：馬西婭·格拉吉 葉彥君譯

小的時候我們看童話書，故事的結尾處是這樣寫的：“最后王子和公主幸福地在一起了?！绷红o茹的歌里唱道：我們十指緊扣，默寫前奏，可是那然后呢？……在童話幻滅之后，誰會是你的王子？

馬西婭借助童話的形式和各種巧妙的比喻，幫助女人放下過去、找回自我、追求美滿幸福的人生！

書名：《女人30+》

推薦理由

女人可以暫時茫然，但不能自怨自艾；有信仰的女人，才是有能量的女人。

作者：金韻蓉

篇2

弗洛伊德自傳 第二本是《弗洛伊德自傳》，想要了解一個人的理論，起碼得對那個人有一一定的了解。這本書從弗洛伊德出生寫到他去逝，著重點在于他的成年時期，也講到了他與榮格的恩恩怨怨。本書理論性的東西較少，要有一定認識。

日常生活的心理奧秘 第三本是《日常生活的心理奧秘》，本書分析了很多日常生活中最具科學性與社會效應的人類行為，并解釋了這些行為背后的心理意義。全書通俗易懂，能引導您去發覺身邊的意義世界。主要圍繞行為，然后解釋背后的意義。

所以案例分析的理解依據都是精神分析理論，有案例加理論讓更感興趣看下去。如果純看《精神分析引論》、《性學三論》之類的書，肯定很多人堅持不下去。

少女杜拉的故事 《少女杜拉的故事》這又是一本案例與理論相結合的作品，杜拉是弗洛伊德的一個重要患者，她的癥狀對精神分析理論的建立有一定的貢獻。

篇3

[關鍵詞] 電子商務 推薦系統 推薦技術

一、引言

隨著網絡的廣泛普及，電子商務對傳統的商貿活動產生了革命性的變化，產生從以商品為中心到以客戶為中心的商業模式的轉變。新的商業環境在為企業提供新的商機的同時，也對企業提出了新的挑戰。圍繞客戶進行服務，為客戶提供所需要的商品，所以對每個客戶提供個性化的服務已經成為必要。而電子商務推薦系統成為解決問題的重要途徑。本文研究了電子商務推薦系統中的各類推薦技術。

二、電子商務推薦系統

電子商務推薦系統定義為：利用電子商務網站向用戶提供商品信息和建議，幫助客戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程。它是一個基于客戶網上購物的以商品為推薦對象的個性化推薦系統，為客戶推薦符合其興趣愛好的商品。分析客戶的消費偏向，向每個客戶具有針對性地推薦的產品，幫助客戶從龐大的商品目錄中挑選真正適合自己需要的商品。電子商務推薦系統在幫助了客戶的同時也提高了客戶對商務活動的滿意度,從而換來對電子商務站點的進一步支持。

電子商務推薦系統主要起到了三個方面的作用：首先，極大地增加了客戶，可以把網站的瀏覽者轉變為購買者，提高主動性；其次，可以提高網站相關系列產品的連帶銷售能力；最后，可以提高、維持客戶對網站的滿意度和信任度。

電子商務推薦系統具有良好的發展和應用前景。在日趨激烈的競爭環境下，電子商務推薦系統能有效保留客戶，提高電子商務網站系統能大大提高企業的銷售額。成功的電子商務推薦系統將會產生巨大的經濟效益和社會效應。

三、電子商務推薦技術

目前,電子商務推薦系統中使用的主要推薦技術有基于內容推薦,協同過濾推薦,基于知識推薦,基于效用推薦，基于關聯規則推薦,混合推薦等等。

1.基于內容的推薦。它是信息過濾技術的延續與發展，項目或對象通過相關特征的屬性來定義，系統基于商品信息, 包括商品的屬性及商品之間的相關性和客戶的喜好來向其推薦。基于商品屬性主要是基于產品的屬性特征模型推薦。

內容推薦技術分析商品的屬性及其相關性可以脫機進行，因而推薦響應時間快。缺點是難以區分商品信息的品質和風格，而且不能為用戶發現新的感興趣的商品，只能發現和用戶已有興趣相似的商品。

2.協同過濾推薦。協同過濾推薦是目前研究最多、應用最廣的電子商務推薦技術。它基于鄰居客戶的資料得到目標客戶的推薦,推薦的個性化程度高。利用客戶的訪問信息,通過客戶群的相似性進行內容推薦,不依賴于內容僅依賴于用戶之間的相互推薦,避免了內容過濾的不足,保證信息推薦的質量。

協同過濾推薦優點有:能為用戶發現新的感興趣的商品;不需要考慮商品的特征,任何形式的商品都可以推薦。缺點是:稀疏性問題,用戶對商品的評價矩陣非常稀疏;可擴展性問題,隨著系統用戶和商品的增多,系統的性能會越來越低;冷啟動問題,如果從來沒有用戶對某一商品加以評價,則這個商品就不可能被推薦。

3.基于知識的推薦。在某種程度上可以看成是一種推理技術，各個方法因所用的知識不同而有明顯區別?；谥R的推薦提出了功能知識的概念。簡單的說，功能知識是關于某個項目如何滿足某個特定客戶的知識，它能解釋需要和推薦之間的關系。在基于知識的推薦看來，客戶資料可以是任何能支持推理的知識結構，并非一定是用戶的需要和偏好。

4.基于效用的推薦。它是根據對客戶使用項目的效用進行計算的，核心問題是如何為每個客戶創建效用函數，并考慮非產品屬性，如提供商的可靠性和產品的可用性等。它的優點是能在效用函數中考慮非產品因素。效用函數通過交互讓用戶指定影響因素及其權重對于大多數用戶而言是極其繁瑣的事情，因而限制了該技術的應用。

5.基于關聯規則的推薦系統往往利用實際交易數據作為數據源，它符合數據源的通用性要求。以關聯規則為基礎，把已購商品作為規則頭,推薦對象作為規則體,其中關聯規則的發現最關鍵且最耗時,但可以離線進行。其特點是實現起來比較簡潔,推薦效果良好,并能動態地把客戶興趣變化反映到推薦結果中。

6.混合推薦技術?；旌贤扑]系統整合兩種或更多推薦技術以取得更好的實際效果。最常見的做法是將協同過濾推薦技術與其它某一種推薦技術相結合。例如,結合基于協同過濾和基于內容推薦這兩種推薦技術,盡量利用它們的優點而避免其缺點,提高推薦系統的性能和推薦質量。比如,為了克服協同過濾的稀疏性問題,可以利用用戶瀏覽過的商品預期用戶對其他商品的評價,這樣可以增加商品評價的密度,利用這些評價再進行協同過濾,從而提高協同過濾的性能。

四、總結

電子商務推薦系統，一方面有助于電子商務網站內容和結構自適應性的實現，另一方面在幫助客戶快速定位感興趣的商品的同時也為企業實現了增值。電子商務推薦系統作為有利的分析工具和促銷手段，已成為電子商務網站的競爭工具，必將獲得廣泛的應用和發展。本文對電子商務推薦系統進行了介紹，并對推薦技術進行了概述。目前國內的電子商務網站在這方面的實踐處在快速發展的階段，因此還需要繼續研究出更智能、更優化的電子商務推薦技術。

參考文獻：

篇4

要說經濟學入門，力推昆曼的經濟學原理，簡單易懂。本書強調得更多的是經濟學原理的應用和政策分析，而不是正式的經濟學模型。書中大部分章節里都提供了案例。

也許你看完昆曼的經濟學原理，以為經濟學很簡單，那我告訴你大錯特錯，如果這時候你繼續看經濟學著作，我推測一般人是看不懂的，或者看看就感覺索然無味。所以，我要繼續推薦一本算是入門書籍 圖解 經濟學原理?？赐赀@本你猜差不多了解什么是經濟學了

好了 到這里你就可以看大部分的經濟學書籍 國富論 經濟學 這種大師做?；蚺Ｄ炭蓸方洕鷮W這種小步頭書籍也可以，但不太推薦一下直接上大步頭書籍，因為真的太無聊了，還是從小步頭的來搞起。 祝愿各位經濟學道路更進一步

（來源：文章屋網 ）

篇5

2、《徒手抗暴術》，作者：杜仲勛。

3、《散打連環擊法》，作者：佟慶輝。

4、《一招制敵》，作者：鄧杰紅。

5、《中國腿擊法大成》，作者：佟慶輝。

6、《防衛術》，作者：劉勇。

7、《智慧擒敵術》，作者：周志新。

8、《軍警制敵術精粹》，作者：杜振高。

9、《軍警防暴術》，作者：佟慶輝。

篇6

您好!首先，我在此向你說一聲對不起，我辜負了您對我的殷切希望。在這次期末數學考試中我慘敗而歸，不僅傷透了你的心，也讓我無地自容。這次失敗的原因，我分析了一下試卷，有絕大部分是由于我的馬虎粗心造成的，但也有少數部分我不懂。您平常也就經常告誡我們，可我就是改不了粗心大意的毛病。不過，我不應該給我自己找理由，放心，老師，我會改正的。另外，在平時，我總是沉迷與電腦游戲，上課不認真聽講。在這一個假期里，我一定會痛改前非的。在這個假期里，我一定要騰出一部分時間來復習我的數學，我想好了，每天早上9：00——11：00來學習2個小時的數學。還有，我建立了1個錯題本。以后，一旦有什么不懂的問題或錯誤的問題我都會記錄下來的。并且，如果有什么弄不懂的問題，我會在百度知道里提出來的。同時，我要經常在好好學習這個貼吧里去了解一些學習數學的方法。并且我不能偏科，一定要全面發展。

老師，我知道，僅僅是語言是蒼白無力的。放心，我絕對會以自己的實際行動來履行我的諾言的。我決定了，我開學考試的數學成績一定不能下110分。同時，我要在年級的名詞保持在前10內。

老師，請不要生氣了?？次业膶嶋H行動把!

這次考試沒考好，我自知這是不能原諒的，由于自己年紀小，心里自控能力比較差，有的時候上課不能控制自己，沒辦法好好聽講，我自己已經好好反省過了。

這次的考試我退步了，使我感到十分的痛苦與遺憾,學習本身是為了自己,而老師您卻又如此的認真負責,對我嚴格的要求,而我卻還考出這成績讓我感到十分的愧疚,我真心的反思與改過,我總結了失敗的教訓,我一定會在以后的學習中全力以赴,認真專心,盡我全力考出我自己真實的水平,我一定會化悲痛為力量,努力奮斗,不辜負您對我的希望,對得起我自己的真實水平!真心的反思,望老師能原諒!

我覺得我不能跳樓，我有責任，有義務為自己為家長老師好好學習，報效祖國!

我也很感謝老師，老師一直都很關心我，可是我卻沒有能夠把握自己的方向，沒能正確的對待學習，我想老師一定也會不高興，因為老師是關心我們的，我們是老師的學生。

篇7

(第一本真正從實踐角度講解互聯網與傳統企業融合的書；以故事的形式解除更多傳統企業家互聯網焦慮。)

作者簡介

·徐歡生，畢業于北京大學國家發展研究院，在傳統行業擁有超過10年的戰略和管理經驗；

·同時在頂級互聯網公司擁有多年的產品經驗，對傳統產業和互聯網的融合有著深刻的理解，并成功地幫助多家傳統企業實現戰略轉型。

內容簡介

互聯網公司的超速發展，以及對傳統產業越來越猛烈的變革，讓“焦慮“成了很多傳統行業企業家的新常態。舉一個極端的例子：在中國，一年血壓計的銷量大約是1000萬臺；但是，很可能在不遠的將來，這個行業中的絕大多數玩家將會死去，因為有人會免費送出數百萬臺血壓計。

是誰這么大方？難道是瘋了嗎？答案當然是否定的。更讓人想不明白的是，這家公司不但沒有倒閉，反而成為一家價值超過十億美金的公司。這雖然起源于一個瘋狂的想法，但是當它變成現實的時候，一定是個天才的設計，基于萬物互聯和互聯網的商業邏輯。這個邏輯，在《云戰略：傳統企業如何借助互聯網轉型》中會得到清晰而完整的展示，并用故事的形式表達出來，讓即使沒有互聯網基礎的企業家也能輕松讀懂，為自己企業的戰略轉型提供強有力的思想支持。

目錄

序　讓傳統企業分享移動互聯的紅利

自序　天無絕人之路，自助者天助

第一章　神秘的都教授

董事長的煩惱

來自眼鏡的都教授

都教授的商業模式

第二章　神奇的智能設備

奶奶的悲劇

神奇的智能血壓計

能夠救命的血壓計

第三章　消費者購買的到底是什么

消費者最終要的是什么

傳統產品開發的誤區

回歸消費者的核心痛點

第四章　傳統思維的困局

好產品為什么也會慘敗

傳統思維下的兩難困境

尋求突圍的方法

第五章　互聯網模式的精髓（一）：用戶

一字億金

打車大戰和尚雅體脂秤

為什么嚴重虧損的企業還這么值錢

第六章　互聯網模式的精髓（二）：羊毛出在豬身上

免費的業務為什么能賺錢

羊毛出在豬身上

如何破解“魚和熊掌不可兼得”的難題

第七章　一個艱難的決定：定價

傳統定價的邏輯

定價背后的生死

別人憑什么給你錢

第八章　風險投資是最厭惡風險的

風險投資為什么不投錢

什么是“驗證過的商業模式”

希望徹底破滅

第九章　互聯網模式更需要資源整合（一）

跳出自己看合作

真正的合作必須方向一致，但目標不同

當電視機遇到血壓計

第十章　互聯網模式更需要資源整合（二）

如何通過資源整合大幅降低成本

別人為什么愿意開放最好的資源給你

大平臺才能吸引大玩家

第十一章　家電企業如何進行戰略轉型

家電業的輝煌與困境

全新的智能空調用戶體驗

全新的智能空調商業模式

第十二章　服飾企業如何進行戰略轉型

今天的第一名有可能在十年后消失

孩子丟失之痛

兒童智能鞋的真正價值

第十三章　汽車企業如何進行戰略轉型

未來的汽車本質上是什么

重構汽車產業鏈

未來汽車的盈利模式

篇8

其實，肖戰推薦的書籍很多，或是散文集，或是小說，又或是心理著作，這其中，有這么6本書，分別是《沉默的大多數》（王小波著）、《一只特立獨行的豬》（王小波著）、《只有一個人生》（周國平著）、《格蘭特船長的兒女》（儒勒·凡爾納著）、《不必交談的時刻》（樊小純著），以及《小王子》（安托萬·德·圣·?？颂K佩里著）。

肖戰

1991年10月5日出生于重慶市，中國內地男演員、歌手。2015年，以選手的身份參加浙江衛視才藝養成選秀節目《燃燒吧少年》。2016年4月，主演校園星座超能力網絡劇《超星星學園》。2017年，在古裝言情傳奇劇《狼殿下》中飾演浪跡天涯的賞金獵人疾沖。2018年4月25日，古裝奇幻網絡劇《哦！我的皇帝陛下》在騰訊視頻播出，肖戰憑北堂墨染一角嶄露頭角。2019年6月27日，領銜主演的古裝仙俠劇《陳情令》在騰訊視頻播出，肖戰憑魏無羨一角贏得廣泛關注；8月，主演都市情感劇《余生，請多指教》；9月13日，主演的古裝仙俠電影《誅仙I》在全國上映。2020年1月24日，肖戰首次登上中央廣播電視總臺春節聯歡晚會，與謝娜等合作表演小品《喜歡你，喜歡我》。

（來源：文章屋網 ）

篇9

被《華爾街日報》評為“史上最偉大的 五部營銷類巨著之一”每一位品牌管理者、營銷人員、廣告人都應該閱讀這本書

目

錄

推薦序

序章

五感漫談

從嗅覺談起

只關注兩種感官的品牌注定平庸

五感協同作用：提升品牌附加值

視覺的魅力

我們洗耳恭聽

聆聽品牌之聲

做到這些就夠了嗎？

嗅覺：激感觸動

觸覺：連接心靈與世界

撩人之味

五感整合的多米諾效應

粉碎你的品牌

【本章回顧】

強大的“粉碎效應”

去掉商標，你的品牌還能被識別嗎？

粉碎你的圖像

粉碎你的顏色

粉碎你的形狀

粉碎你的名字

粉碎你的語言

粉碎你的圖標

粉碎你的聲音

粉碎你的導航指示

粉碎你的行為

粉碎你的服務

粉碎你的傳統

粉碎你的慣例

【本章回顧】

再談五感

感官品牌的未來

聲音：調動顧客的情緒情感

視覺：塑造品牌的第一印象

觸覺：決定顧客的心理認知

嗅覺：維系品牌的獨特性

味覺和嗅覺

【案例分析】

【本章回顧】

生存之道

品牌刺激物：激感互動與購買沖動

品牌價值提升

建立紐帶

感官品牌的目標：建立忠誠度

感官對話

【案例分析】

【本章回顧】

品牌與宗教

傳統造就忠誠

迷信品牌

宗教般的忠誠

神圣的靈感

【本章回顧】

品牌未來

一些預測

感官先驅者

感官采納者

感官追隨者

感官卓越者

品牌之旅方興未艾

【本章回顧】

附錄1關于感官品牌的研究

附錄2研究者的話

作者簡介

鳴謝

篇10

在線模塊是根據已生成的用戶行為模式,以及用戶實時行為,推理出用戶感興趣的信息,并根據這些信息向用戶推薦相關網頁。由于在離線模式已經生成用戶行為模式,因此在信息推薦時只需掃描一遍用戶行為序列數據庫,即減少了計算時間,因此效率較高。挖掘用戶行為層Web語義挖掘包括兩個部分:一是通過對Web日志和頁面的語義挖掘,獲取用戶興趣集,同時利用對頁面結構的挖掘來輔助Web日志文件整理,提高用于挖掘的數據的質量,并結合用戶行為數據計算出頁面等級,用于頁面推薦。二是通過獲取的興趣集進行關聯分析,發現用戶間興趣偏好的規則模式。Web語義挖掘這里定義興趣事件:I={I1,I2,…,Ij}。例如,對訪問者的訪問行為進行分析后得出他所感興趣的是{籃球,足球,體育視頻,跌打損傷膏},那么這整個興趣集就是一個興趣事件I,其中的“籃球”等就是包含在該事件中的一個興趣項Ij,這里Ij就是表示用戶興趣的一個關鍵詞。該階段獲取的數據的好壞直接影響到以后生成用戶行為模式,具體挖掘步驟如下:(1)首先對已生成的Web日志進行數據預處理。先進行數據清理,剔除多媒體文件、URL中包含的后綴(gif,jpg,swf等)、搜索引擎、用戶訪問失敗記錄、由GET以外方式完成的服務,以及無關日志(例如后綴為csss,map,js等文件)[15]。然后通過IP地址進行用戶識別,作為產生用戶行為模式的一部分,并在用戶會話中,識別出用戶瀏覽過的頁面的URL,進行頁面序列分析,完整URL訪問路徑。接下來結合Web內容的語義挖掘,構建語義日志。Web內容的語義挖掘可以通過對Web頁面的語義理解,實現對Web頁面的特征提取,發現Web頁面之間的關聯關系,達到基于Web頁面內容的頁面聚類。其挖掘過程是:先對頁面內容進行預處理,即把頁面內容轉化成本體格式的背景知識,對頁面中的文本信息進行語義聚類進行語義聚類,并且應用基于本體的啟發式算法來將聚類特征化。基于上述陳述,可以通過K-平均值法來計算得到聚類結果,最后依據本體包含的概念來解釋聚類結果,并提取解釋后的結果的特征,作為其語義描述[16]。(2)數據預處理后,對描述用戶操作的數據進行識別。通常與用戶活動相關的操作包括:瀏覽、查詢、下載、個人收藏、興趣和偏好定制和商品購買等,這些操作可以分為以下幾類:輸入型操作、收藏型操作和超鏈接型操作。①對于輸入型操作(例如:查詢、偏好定制、商品購買等),可以對輸入的信息進行語義擴展,用分析后的語義信息替代原輸入信息,存入日志中;②對于收藏型操作(例如:收藏該頁面、復制該頁面鏈接等),都是對本頁面進行的,因此需要對該頁面內容進行語義分析,通過上述Web內容的語義挖掘,獲取該頁面的語義描述,記錄于日志中;③對于超鏈接型操作(例如;下載、通過本頁面瀏覽其他頁面等),同樣對URL所鏈接的頁面的內容進行語義挖掘,提取描述該頁面內容的語義描述記錄于日志。至此,語義日志已建立,以上處理就是對日志文件中的數據進行語義注釋。(3)根據以上建立的語義日志,進行Web使用的語義挖掘。由于在Web日志中,已對用戶的操作進行過語義注釋,則在使用挖掘時,鏈接領域本體,對用戶訪問過的頁面的語義描述進行統一化關鍵詞提取,例如:用戶訪問過的頁面具有“電腦”的語義,并且“電腦”這個關鍵詞被使用的頻率高于其他與它具有語義關聯的關鍵詞,那么就以“電腦”這個關鍵字描述所有具有該語義描述的頁面,這樣可以對用戶興趣統一化描述,便于后面的關聯挖掘。同時,根據以上原則,獲取用戶輸入操作過程中生成的具有語義的信息,統一化所提取的關鍵字,作為用戶興趣事件的興趣項。(4)由于在語義網中,Web的內容挖掘和結構挖掘是相互纏繞的,因此Web語義的結構挖掘是與Web內容的語義挖掘同時進行的。Web結構的語義挖掘可用于Web頁面分類,從而獲取不同Web頁面間相似度及關聯度的信息,并輔助整理Web站點服務器中的日志文件,提高用于Web使用的語義挖掘和Web內容的語義挖掘的數據的質量。同時,Web結構挖掘可以通過一個Web頁面的超鏈接挖掘出該頁面所在的網絡層次。由于結構挖掘可以確定挖掘網頁在該網絡中的位置,并且計算鏈入鏈出數,因此可以通過對頁面的結構挖掘和用戶瀏覽行為確定網頁的等級[17]。等級越高,說明其在網絡中權重越高,則推薦的優先度越高。最后,根據提取出的所有關鍵詞,整理出各個用戶的興趣事件I,用于以下關聯分析。挖掘關聯推薦規則本文采用FP-Growth算法,通過建立FP-tree來進行關聯規則挖掘,以發現同一事件中出現的不同項的相關性達到構建用戶行為模式的目的,從而形成推薦規則。首先根據以上陳述,通過Web語義挖掘,對用戶行為進行首次掃描,把所有發生的興趣項中小于支持度α,即興趣項出現頻數小于預設值α的項剔除,剩余事件為頻繁項。這里為了使挖掘過程更直觀,將所有表示用戶興趣的興趣項都用符號Ij表示。假設在一次數據挖掘中所有用戶的不同興趣項共有11個,分別為I1,I2,…,I11,其中用戶100(用戶編號)的興趣事件是{I6,I1,I3,I4,I7,I9,I4,I7},以此類推,用戶500的興趣事件是{I1,I6,I3,I5,I10,I7,I4,I11}。這里設支持度為α=3(該值可自設),那么只有興趣項I6,I3,I1,I4,I7是頻繁項(表中的項集無時序順序,只是表示在一次事件行為中出現過。這里排序只是為了方便構建FP-tree,即按照項的遞減支持度計數排列),得到表1,其中第三列表示頻繁項集,I6,I3的頻數是4,其余的頻數為3。例如表1所示:接下來以Null為根節點,I6,I3(頻數最大)分別為其子節點構建FP-tree。根據以上頻繁項集的排列,形成事件的分支,比如第一個事件{I6,I3,I1,I4,I7}就可以構建一個分支。當為一個事件考慮增加分支時,沿共同前綴上的每個節點數加1,為跟隨前綴后的項創建節點并連接,用實線表示。比如將第二個事件{I6,I1,I3,I2,I4}加到樹上是,將I6,I1,I3各增加計數1,然后為{I2,I4}創建分支。創建一個項頭表,以方便遍歷,每個項通過一個節點鏈指向它在樹中的出現,用虛線表示。對FP-tree的挖掘步驟如下:(1)從項頭表開始挖掘;(2)沿循每個(頻繁)項的鏈接來遍歷FP-tree;(3)通過積累該項的前綴路徑來形成一個條件模式基:例如包含I2的所有頻繁項集中,I2的前綴有I6I3I1、I6和I3,它們出現的頻數分別為1、1、1。現在要做的是在頻繁項中挖掘出頻繁出現的關聯項集,即哪幾個項在所有事件中同時出現的頻數不低于3。步驟如下:(1)為條件模式基中的每一項累積計數;(2)為模式基中的頻繁項構建FP-tree。例如I4的條件模式基分別為:I6I3I1∶2,和I6I3I1I2∶1,而I6I3I1I2∶1包含I6I3I1,因此I6I3I1同I4一起出現過3次,滿足支持度3,因此保留,認為I6I3I1I4是頻繁項集,即這4項是有關聯關系的,并且它們的子集表示的項與項之間也是具有關聯性的;而I6I3I1I2作為I4的前綴只出現過一次,因此認為I6I3I1I2I4不頻繁,因此無關聯性。按此規則可以挖掘出其他關聯項集。所挖掘出的關聯規則表達了用戶興趣習慣,例如頻繁關聯項集I6I3I1I4表示當用戶對I6感興趣,那么他就可能對I3I1I4中的任何一個感興趣,即I3I1I4是該用戶的用戶關聯興趣集,也可以看做是用戶的偏好路線。

生成用戶行為模式層用戶行為模式的生成是個性化信息推薦的一個重要環節,該模式的準確程度直接影響信息推薦質量。該模式分別包括兩個部分:“個性模式”和“群體模式”。(1)“個性模式”描述的是具體用戶的興趣集,這是在對Web內容以及結構挖掘時就分析得出的,即節中所生成的用戶興趣集。由于它的產生途徑,這些信息必定都是該具體用戶所感興趣的,但是這些興趣間不一定有什么關聯關系,因此單單依靠該模式是不能推理出所有用戶感興趣的信息;(2)“群體模式”則描述的是當一個用戶對某一信息A感興趣時,他可能還會對信息B、信息C等也感興趣,這就節中根據一大群用戶的興趣偏好所分析出來的用戶興趣關聯集。根據此模式,可以推理出新訪問者可能感興趣的信息,但是不能完全描述某一個具體用戶所感興趣的個性化信息。因此,只有通過結合以上兩個分模式,才可以準確的推理不同用戶可能感興趣的網頁,實現較完全的頁面推理。之后將生成用戶行為模式存放入用戶行為序列數據庫,以便信息推薦時進行掃描。信息推薦層該層屬于在線模塊,推薦的網頁信息不再局限于用戶訪問序列,而是根據包含用戶行為關聯規則的用戶行為模式來進行頁面推薦的。具體過程如下:Web服務器首先要對用戶類型識別,分析是老用戶(曾經訪問過該頁面)還是新訪問者:(1)如果是新訪問者,那么就根據訪問者的實時行為方式,按照“Web語義挖掘層”中用戶感興趣信息的識別方法,僅針對該用戶的行為,在線提取出表現新訪問者興趣的關鍵字,結合本體對該關鍵字進行語義擴展,并利用現在語義檢索技術,由信息推薦引擎根據信息內容搜索相關頁面,進行頁面推薦。如果新訪問者感興趣的信息在已有用戶行為模式中有記錄,那么同時也根據用戶行為模式中的關聯規則向新訪問者進行信息推薦,挖掘其潛在興趣。(2)如果是注冊用戶或者曾經訪問過該Web站點的用戶,首先掃描用戶行為序列數據庫,根據用戶行為模式由Web服務器中的推薦引擎尋找滿足用戶興趣需求的頁面進行推薦。之后再根據用戶的實時行為進行信息推薦,步驟如上所述。在推薦過程中,可以利用網絡爬蟲crawler自動獲取網頁的鏈接而不是網頁中的詳細內容,并與網絡上的數據交互并進行搜索。然后與本體鏈接,計算數據與用戶興趣信息的相關度,從而達到為用戶選取相關網頁的目的。同時在web結構挖掘過程計算出的等級高的網頁,將會作為優先推薦給用戶的頁面,如文獻[18]提到的基于本體的crawling框架。進行信息推薦后,分析用戶行為反應:如果用戶對推薦的信息進行了閱讀或相關操作,那么說明推薦信息是符合用戶興趣偏好的,原有的用戶行為模式沒有過時;如果用戶沒有選擇推薦的信息而是做出了其他選擇,那么說明用戶興趣有所變動,需要對用戶興趣重新分析,如果新的關聯的次數超過支持度,那么要在原有的規則上重新分析用戶興趣關聯規則,同時修改用戶行為模式,更新推薦策略。

總結與分析