智能导航工具介绍

湖南站长联盟

第三类智能网站技术可以被称为“智能导航工具”，它又
可以进一步分为推荐系统和自适应网站技术两大类。其中，
推荐系统可以在用户具有很多选项(比如商品)的环境下以非
常个性化的方式为浏览者提供推荐或者服务(Resnick and
Varian 1997)。协同推荐技术可以说是目前应用最广泛，也最
成熟的推荐技木。但是推荐技术通常需要不同程度的用户参
与，而在用户参与不够或者基础数据有限的情况下，推荐系统
的精度会显着下降。关于不同推荐技术优劣的比较，有兴趣
的读者可以参考相关文献(Burke 20Q2)。
另一类智能导航工具被称作自适应网站技术。其中，自
适应指的是“网站所具有的根据用户使用方式改变其行为的
能力”(Schafer et。工1999)，与本书中的智能化网站概念类似。
与上述的推荐系统相比，自适应网站技术不需要或者较少需
要用户的参与，是一种隐式的推荐(Tacit Recommendation》，
因此可以最大限度地减少对浏览者的干扰。近年来，随着图
论、最优化以及数据挖掘技术的发展(nhyaai et al 2002)，陇
式推荐技木已经发展成为一个相对独立的研究领域。
建设自适应网站有两种不同的思路:其一是对网站进行
整体性改进;其二是对具体用户提供个性化的导航功能。前
一种方法主娶是定期地更新网站的结构或者内容;后一种方
读卞婆是实时她为浏览者提供个性化的浏览建议。例如
Spiliopoulou和Poitle (2001) ik计一个网站使用的挖掘器
wum.它能够对网站应该如何改进提供具休的建议。F二S
和Liu Sheng定义并研究了一类超媒体选择问题，即如何从
大且的URL中选择一个子集并添加到主页上。Letiaia是一
个工作于浏览器端的客户代理(Agent)，它可以根据用户以往
的浏览M史(包括所经过的链接、标记为书签的网页等等)预
洲用户接下来将访间的网页(Lieberman 1995)。但是，浏览
器端的导肮工具的主要缺点是不能利用更多用户的行为值
息，因此它只能获得当前用户的浏览信息。相比之下，服务器
端的技术就有可能获得更好的推荐效果。在这方面C}ley
等(199的提出了几种网站日志数据的处理技木，可以把用户
的访问进程(Sessions)划分为有语义的交易(Transactions》。
这些交易的信息可以用于进行关联规则挖掘并进行浏览推
荐。Ch二等(1996)提出了两个发现叔繁访间模式的算法。
Sorg.:和Levene(199幻将用户日志建模为一个加权图，其中
权重代表用户与网站交互的可能性。然后，就可以通过关联
规则分析的方法从加权图中挖掘出用户浏览模式。于是，每
个当前用户都可以从以往用户的浏览经验(模式)中获得接下
来应该访问哪些网页的信息提示。Yan等(199的提出一个称
为领导者(L二der Algorithm)的简单算法，可以用于用户进程
的蕊类分析(其中每个进程建模为一个向且)。Kukul二:和
Pauli(2002》将用户的浏览过程看作一个图.其中图的结点是
服务器接收到的对网页的访问请求对象(Requested Data
bb」二is)，图的边是用户的浏览决策。他们开发了一种方法，
可以蓦于用户图之间的距离不断地学习图的分布，从而为新
用户提供帮助。Pag*Ga之her是一个自适应网站系统，它可以
根据过去用户访间进程中同时出现的网页访问请求信息
(Co-0二urrence of Page Requests)为当前用户推荐网页
(Perkowits 200一)。Smith和Ng(2003)攀于用户的浏览行为
提出了一种自组织图(人工神经网络的一种)，可以将网页集
合划分到一个二维的图空间中，这个二维图可以为当前用户
提供浏览帮助。最后，Anderson等(2001)设计了143i刃Path算
法，它落于一个称作最大期望成本节约(Maximd Expected
Saving刃的指标，可以为移动互联网的访问用户自动提供快
速链接(Shortcut links)。
本文出自文化边关信息网：http://www.guangongw.com/chuanqisf/52.html