推荐书籍范文

导语：如何才能写好一篇推荐书籍，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

书名：《荆棘鸟》

推荐理由

爱情和命运从来就没有一个预定的轨道，人们因为执着的追求而饱受创伤，但对生活抱有期望却是她们能坚持的理由。

作者：考琳·麦卡洛 曾胡译

传说中有一种鸟儿，从离开巢窝的那一刻起，它就在寻找着荆棘树。然后，把自己的身体扎进一株最长、最尖的荆棘上，流着血泪放声歌唱。一曲终了，荆棘鸟气竭命殒，以身殉歌——以一种惨烈的悲壮塑造了永恒的美丽，给人们留下一段悲怆的绝唱。因为最美好的东西只能用最深痛的巨创来换取……这就是荆棘鸟的传说。

作为澳洲版的《飘》，女作家考琳·麦卡洛用她那富有诗意的语言向我们讲述了一段由家庭秘密、禁爱、新大陆的繁重劳作交织的历史。

每个女孩子都对那样一种求而不得的爱情有着无限憧憬，麦吉也不例外。初见的时候，10岁的麦吉和28岁的拉尔夫，他们距离的不仅仅是18年的长度，神父的身份注定了他们的爱情是一条不归路，也注定了麦吉悄然萌芽的依恋终会没有回报。它让人无法遏制地想起了第六世达赖仓央嘉措的情与诗。其实，从一开始就明白，这份爱，无论多么刻骨铭心，终究只会化为人生的回忆。爱不能、忘不掉、放不下、舍不得，然而，我们却依然要把荆棘扎进胸膛。

生，如夏花般绚烂：死，如秋叶般静美。

书名：《流浪的面包树》

推荐理由

恋爱让男生成为诗人，分手让女生成为哲人。成长，才是女人最后的归宿。

作者：张小娴

作为面包树系列的最后一本，张小娴让我们从幼稚走到成熟，最后成全了自己的成长，可是程韵和林方文的故事仍然让我们觉得生活残酷。

相爱和相守，本就是两码事。但其实没有必要为结局什么的遗憾和纠结，张小娴早就说过：遗憾，也是一种幸福，因为生活中居然还有能令你遗憾的事情。

书名：《公主向前走》

推荐理由

在人生中兜兜转转，终于遇见属于我的幸福。

作者：马西娅·格拉吉 叶彦君译

小的时候我们看童话书，故事的结尾处是这样写的：“最后王子和公主幸福地在一起了。”梁静茹的歌里唱道：我们十指紧扣，默写前奏，可是那然后呢？……在童话幻灭之后，谁会是你的王子？

马西娅借助童话的形式和各种巧妙的比喻，帮助女人放下过去、找回自我、追求美满幸福的人生！

书名：《女人30+》

推荐理由

女人可以暂时茫然，但不能自怨自艾；有信仰的女人，才是有能量的女人。

作者：金韵蓉

篇2

弗洛伊德自传 第二本是《弗洛伊德自传》，想要了解一个人的理论，起码得对那个人有一一定的了解。这本书从弗洛伊德出生写到他去逝，着重点在于他的成年时期，也讲到了他与荣格的恩恩怨怨。本书理论性的东西较少，要有一定认识。

日常生活的心理奥秘 第三本是《日常生活的心理奥秘》，本书分析了很多日常生活中最具科学性与社会效应的人类行为，并解释了这些行为背后的心理意义。全书通俗易懂，能引导您去发觉身边的意义世界。主要围绕行为，然后解释背后的意义。

所以案例分析的理解依据都是精神分析理论，有案例加理论让更感兴趣看下去。如果纯看《精神分析引论》、《性学三论》之类的书，肯定很多人坚持不下去。

少女杜拉的故事 《少女杜拉的故事》这又是一本案例与理论相结合的作品，杜拉是弗洛伊德的一个重要患者，她的症状对精神分析理论的建立有一定的贡献。

篇3

[关键词] 电子商务 推荐系统 推荐技术

一、引言

随着网络的广泛普及，电子商务对传统的商贸活动产生了革命性的变化，产生从以商品为中心到以客户为中心的商业模式的转变。新的商业环境在为企业提供新的商机的同时，也对企业提出了新的挑战。围绕客户进行服务，为客户提供所需要的商品，所以对每个客户提供个性化的服务已经成为必要。而电子商务推荐系统成为解决问题的重要途径。本文研究了电子商务推荐系统中的各类推荐技术。

二、电子商务推荐系统

电子商务推荐系统定义为：利用电子商务网站向用户提供商品信息和建议，帮助客户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。它是一个基于客户网上购物的以商品为推荐对象的个性化推荐系统，为客户推荐符合其兴趣爱好的商品。分析客户的消费偏向，向每个客户具有针对性地推荐的产品，帮助客户从庞大的商品目录中挑选真正适合自己需要的商品。电子商务推荐系统在帮助了客户的同时也提高了客户对商务活动的满意度,从而换来对电子商务站点的进一步支持。

电子商务推荐系统主要起到了三个方面的作用：首先，极大地增加了客户，可以把网站的浏览者转变为购买者，提高主动性；其次，可以提高网站相关系列产品的连带销售能力；最后，可以提高、维持客户对网站的满意度和信任度。

电子商务推荐系统具有良好的发展和应用前景。在日趋激烈的竞争环境下，电子商务推荐系统能有效保留客户，提高电子商务网站系统能大大提高企业的销售额。成功的电子商务推荐系统将会产生巨大的经济效益和社会效应。

三、电子商务推荐技术

目前,电子商务推荐系统中使用的主要推荐技术有基于内容推荐,协同过滤推荐,基于知识推荐,基于效用推荐，基于关联规则推荐,混合推荐等等。

1.基于内容的推荐。它是信息过滤技术的延续与发展，项目或对象通过相关特征的属性来定义，系统基于商品信息, 包括商品的属性及商品之间的相关性和客户的喜好来向其推荐。基于商品属性主要是基于产品的属性特征模型推荐。

内容推荐技术分析商品的属性及其相关性可以脱机进行，因而推荐响应时间快。缺点是难以区分商品信息的品质和风格，而且不能为用户发现新的感兴趣的商品，只能发现和用户已有兴趣相似的商品。

2.协同过滤推荐。协同过滤推荐是目前研究最多、应用最广的电子商务推荐技术。它基于邻居客户的资料得到目标客户的推荐,推荐的个性化程度高。利用客户的访问信息,通过客户群的相似性进行内容推荐,不依赖于内容仅依赖于用户之间的相互推荐,避免了内容过滤的不足,保证信息推荐的质量。

协同过滤推荐优点有:能为用户发现新的感兴趣的商品;不需要考虑商品的特征,任何形式的商品都可以推荐。缺点是:稀疏性问题,用户对商品的评价矩阵非常稀疏;可扩展性问题,随着系统用户和商品的增多,系统的性能会越来越低;冷启动问题,如果从来没有用户对某一商品加以评价,则这个商品就不可能被推荐。

3.基于知识的推荐。在某种程度上可以看成是一种推理技术，各个方法因所用的知识不同而有明显区别。基于知识的推荐提出了功能知识的概念。简单的说，功能知识是关于某个项目如何满足某个特定客户的知识，它能解释需要和推荐之间的关系。在基于知识的推荐看来，客户资料可以是任何能支持推理的知识结构，并非一定是用户的需要和偏好。

4.基于效用的推荐。它是根据对客户使用项目的效用进行计算的，核心问题是如何为每个客户创建效用函数，并考虑非产品属性，如提供商的可靠性和产品的可用性等。它的优点是能在效用函数中考虑非产品因素。效用函数通过交互让用户指定影响因素及其权重对于大多数用户而言是极其繁琐的事情，因而限制了该技术的应用。

5.基于关联规则的推荐系统往往利用实际交易数据作为数据源，它符合数据源的通用性要求。以关联规则为基础，把已购商品作为规则头,推荐对象作为规则体,其中关联规则的发现最关键且最耗时,但可以离线进行。其特点是实现起来比较简洁,推荐效果良好,并能动态地把客户兴趣变化反映到推荐结果中。

6.混合推荐技术。混合推荐系统整合两种或更多推荐技术以取得更好的实际效果。最常见的做法是将协同过滤推荐技术与其它某一种推荐技术相结合。例如,结合基于协同过滤和基于内容推荐这两种推荐技术,尽量利用它们的优点而避免其缺点,提高推荐系统的性能和推荐质量。比如,为了克服协同过滤的稀疏性问题,可以利用用户浏览过的商品预期用户对其他商品的评价,这样可以增加商品评价的密度,利用这些评价再进行协同过滤,从而提高协同过滤的性能。

四、总结

电子商务推荐系统，一方面有助于电子商务网站内容和结构自适应性的实现，另一方面在帮助客户快速定位感兴趣的商品的同时也为企业实现了增值。电子商务推荐系统作为有利的分析工具和促销手段，已成为电子商务网站的竞争工具，必将获得广泛的应用和发展。本文对电子商务推荐系统进行了介绍，并对推荐技术进行了概述。目前国内的电子商务网站在这方面的实践处在快速发展的阶段，因此还需要继续研究出更智能、更优化的电子商务推荐技术。

参考文献：

篇4

要说经济学入门，力推昆曼的经济学原理，简单易懂。本书强调得更多的是经济学原理的应用和政策分析，而不是正式的经济学模型。书中大部分章节里都提供了案例。

也许你看完昆曼的经济学原理，以为经济学很简单，那我告诉你大错特错，如果这时候你继续看经济学著作，我推测一般人是看不懂的，或者看看就感觉索然无味。所以，我要继续推荐一本算是入门书籍 图解 经济学原理。看完这本你猜差不多了解什么是经济学了

好了 到这里你就可以看大部分的经济学书籍 国富论 经济学 这种大师做。或牛奶可乐经济学这种小步头书籍也可以，但不太推荐一下直接上大步头书籍，因为真的太无聊了，还是从小步头的来搞起。 祝愿各位经济学道路更进一步

（来源：文章屋网 ）

篇5

2、《徒手抗暴术》，作者：杜仲勋。

3、《散打连环击法》，作者：佟庆辉。

4、《一招制敌》，作者：邓杰红。

5、《中国腿击法大成》，作者：佟庆辉。

6、《防卫术》，作者：刘勇。

7、《智慧擒敌术》，作者：周志新。

8、《军警制敌术精粹》，作者：杜振高。

9、《军警防暴术》，作者：佟庆辉。

篇6

您好!首先，我在此向你说一声对不起，我辜负了您对我的殷切希望。在这次期末数学考试中我惨败而归，不仅伤透了你的心，也让我无地自容。这次失败的原因，我分析了一下试卷，有绝大部分是由于我的马虎粗心造成的，但也有少数部分我不懂。您平常也就经常告诫我们，可我就是改不了粗心大意的毛病。不过，我不应该给我自己找理由，放心，老师，我会改正的。另外，在平时，我总是沉迷与电脑游戏，上课不认真听讲。在这一个假期里，我一定会痛改前非的。在这个假期里，我一定要腾出一部分时间来复习我的数学，我想好了，每天早上9：00——11：00来学习2个小时的数学。还有，我建立了1个错题本。以后，一旦有什么不懂的问题或错误的问题我都会记录下来的。并且，如果有什么弄不懂的问题，我会在百度知道里提出来的。同时，我要经常在好好学习这个贴吧里去了解一些学习数学的方法。并且我不能偏科，一定要全面发展。

老师，我知道，仅仅是语言是苍白无力的。放心，我绝对会以自己的实际行动来履行我的诺言的。我决定了，我开学考试的数学成绩一定不能下110分。同时，我要在年级的名词保持在前10内。

老师，请不要生气了。看我的实际行动把!

这次考试没考好，我自知这是不能原谅的，由于自己年纪小，心里自控能力比较差，有的时候上课不能控制自己，没办法好好听讲，我自己已经好好反省过了。

这次的考试我退步了，使我感到十分的痛苦与遗憾,学习本身是为了自己,而老师您却又如此的认真负责,对我严格的要求,而我却还考出这成绩让我感到十分的愧疚,我真心的反思与改过,我总结了失败的教训,我一定会在以后的学习中全力以赴,认真专心,尽我全力考出我自己真实的水平,我一定会化悲痛为力量,努力奋斗,不辜负您对我的希望,对得起我自己的真实水平!真心的反思,望老师能原谅!

我觉得我不能跳楼，我有责任，有义务为自己为家长老师好好学习，报效祖国!

我也很感谢老师，老师一直都很关心我，可是我却没有能够把握自己的方向，没能正确的对待学习，我想老师一定也会不高兴，因为老师是关心我们的，我们是老师的学生。

篇7

(第一本真正从实践角度讲解互联网与传统企业融合的书；以故事的形式解除更多传统企业家互联网焦虑。)

作者简介

·徐欢生，毕业于北京大学国家发展研究院，在传统行业拥有超过10年的战略和管理经验；

·同时在顶级互联网公司拥有多年的产品经验，对传统产业和互联网的融合有着深刻的理解，并成功地帮助多家传统企业实现战略转型。

内容简介

互联网公司的超速发展，以及对传统产业越来越猛烈的变革，让“焦虑“成了很多传统行业企业家的新常态。举一个极端的例子：在中国，一年血压计的销量大约是1000万台；但是，很可能在不远的将来，这个行业中的绝大多数玩家将会死去，因为有人会免费送出数百万台血压计。

是谁这么大方？难道是疯了吗？答案当然是否定的。更让人想不明白的是，这家公司不但没有倒闭，反而成为一家价值超过十亿美金的公司。这虽然起源于一个疯狂的想法，但是当它变成现实的时候，一定是个天才的设计，基于万物互联和互联网的商业逻辑。这个逻辑，在《云战略：传统企业如何借助互联网转型》中会得到清晰而完整的展示，并用故事的形式表达出来，让即使没有互联网基础的企业家也能轻松读懂，为自己企业的战略转型提供强有力的思想支持。

目录

序　让传统企业分享移动互联的红利

自序　天无绝人之路，自助者天助

第一章　神秘的都教授

董事长的烦恼

来自眼镜的都教授

都教授的商业模式

第二章　神奇的智能设备

奶奶的悲剧

神奇的智能血压计

能够救命的血压计

第三章　消费者购买的到底是什么

消费者最终要的是什么

传统产品开发的误区

回归消费者的核心痛点

第四章　传统思维的困局

好产品为什么也会惨败

传统思维下的两难困境

寻求突围的方法

第五章　互联网模式的精髓（一）：用户

一字亿金

打车大战和尚雅体脂秤

为什么严重亏损的企业还这么值钱

第六章　互联网模式的精髓（二）：羊毛出在猪身上

免费的业务为什么能赚钱

羊毛出在猪身上

如何破解“鱼和熊掌不可兼得”的难题

第七章　一个艰难的决定：定价

传统定价的逻辑

定价背后的生死

别人凭什么给你钱

第八章　风险投资是最厌恶风险的

风险投资为什么不投钱

什么是“验证过的商业模式”

希望彻底破灭

第九章　互联网模式更需要资源整合（一）

跳出自己看合作

真正的合作必须方向一致，但目标不同

当电视机遇到血压计

第十章　互联网模式更需要资源整合（二）

如何通过资源整合大幅降低成本

别人为什么愿意开放最好的资源给你

大平台才能吸引大玩家

第十一章　家电企业如何进行战略转型

家电业的辉煌与困境

全新的智能空调用户体验

全新的智能空调商业模式

第十二章　服饰企业如何进行战略转型

今天的第一名有可能在十年后消失

孩子丢失之痛

儿童智能鞋的真正价值

第十三章　汽车企业如何进行战略转型

未来的汽车本质上是什么

重构汽车产业链

未来汽车的盈利模式

篇8

其实，肖战推荐的书籍很多，或是散文集，或是小说，又或是心理著作，这其中，有这么6本书，分别是《沉默的大多数》（王小波著）、《一只特立独行的猪》（王小波著）、《只有一个人生》（周国平著）、《格兰特船长的儿女》（儒勒·凡尔纳著）、《不必交谈的时刻》（樊小纯著），以及《小王子》（安托万·德·圣·埃克苏佩里著）。

肖战

1991年10月5日出生于重庆市，中国内地男演员、歌手。2015年，以选手的身份参加浙江卫视才艺养成选秀节目《燃烧吧少年》。2016年4月，主演校园星座超能力网络剧《超星星学园》。2017年，在古装言情传奇剧《狼殿下》中饰演浪迹天涯的赏金猎人疾冲。2018年4月25日，古装奇幻网络剧《哦！我的皇帝陛下》在腾讯视频播出，肖战凭北堂墨染一角崭露头角。2019年6月27日，领衔主演的古装仙侠剧《陈情令》在腾讯视频播出，肖战凭魏无羡一角赢得广泛关注；8月，主演都市情感剧《余生，请多指教》；9月13日，主演的古装仙侠电影《诛仙I》在全国上映。2020年1月24日，肖战首次登上中央广播电视总台春节联欢晚会，与谢娜等合作表演小品《喜欢你，喜欢我》。

（来源：文章屋网 ）

篇9

被《华尔街日报》评为“史上最伟大的 五部营销类巨著之一”每一位品牌管理者、营销人员、广告人都应该阅读这本书

目

录

推荐序

序章

五感漫谈

从嗅觉谈起

只关注两种感官的品牌注定平庸

五感协同作用：提升品牌附加值

视觉的魅力

我们洗耳恭听

聆听品牌之声

做到这些就够了吗？

嗅觉：激感触动

触觉：连接心灵与世界

撩人之味

五感整合的多米诺效应

粉碎你的品牌

【本章回顾】

强大的“粉碎效应”

去掉商标，你的品牌还能被识别吗？

粉碎你的图像

粉碎你的颜色

粉碎你的形状

粉碎你的名字

粉碎你的语言

粉碎你的图标

粉碎你的声音

粉碎你的导航指示

粉碎你的行为

粉碎你的服务

粉碎你的传统

粉碎你的惯例

【本章回顾】

再谈五感

感官品牌的未来

声音：调动顾客的情绪情感

视觉：塑造品牌的第一印象

触觉：决定顾客的心理认知

嗅觉：维系品牌的独特性

味觉和嗅觉

【案例分析】

【本章回顾】

生存之道

品牌刺激物：激感互动与购买冲动

品牌价值提升

建立纽带

感官品牌的目标：建立忠诚度

感官对话

【案例分析】

【本章回顾】

品牌与宗教

传统造就忠诚

迷信品牌

宗教般的忠诚

神圣的灵感

【本章回顾】

品牌未来

一些预测

感官先驱者

感官采纳者

感官追随者

感官卓越者

品牌之旅方兴未艾

【本章回顾】

附录1关于感官品牌的研究

附录2研究者的话

作者简介

鸣谢

篇10

在线模块是根据已生成的用户行为模式,以及用户实时行为,推理出用户感兴趣的信息,并根据这些信息向用户推荐相关网页。由于在离线模式已经生成用户行为模式,因此在信息推荐时只需扫描一遍用户行为序列数据库,即减少了计算时间,因此效率较高。挖掘用户行为层Web语义挖掘包括两个部分:一是通过对Web日志和页面的语义挖掘,获取用户兴趣集,同时利用对页面结构的挖掘来辅助Web日志文件整理,提高用于挖掘的数据的质量,并结合用户行为数据计算出页面等级,用于页面推荐。二是通过获取的兴趣集进行关联分析,发现用户间兴趣偏好的规则模式。Web语义挖掘这里定义兴趣事件:I={I1,I2,…,Ij}。例如,对访问者的访问行为进行分析后得出他所感兴趣的是{篮球,足球,体育视频,跌打损伤膏},那么这整个兴趣集就是一个兴趣事件I,其中的“篮球”等就是包含在该事件中的一个兴趣项Ij,这里Ij就是表示用户兴趣的一个关键词。该阶段获取的数据的好坏直接影响到以后生成用户行为模式,具体挖掘步骤如下:(1)首先对已生成的Web日志进行数据预处理。先进行数据清理,剔除多媒体文件、URL中包含的后缀(gif,jpg,swf等)、搜索引擎、用户访问失败记录、由GET以外方式完成的服务,以及无关日志(例如后缀为csss,map,js等文件)[15]。然后通过IP地址进行用户识别,作为产生用户行为模式的一部分,并在用户会话中,识别出用户浏览过的页面的URL,进行页面序列分析,完整URL访问路径。接下来结合Web内容的语义挖掘,构建语义日志。Web内容的语义挖掘可以通过对Web页面的语义理解,实现对Web页面的特征提取,发现Web页面之间的关联关系,达到基于Web页面内容的页面聚类。其挖掘过程是:先对页面内容进行预处理,即把页面内容转化成本体格式的背景知识,对页面中的文本信息进行语义聚类进行语义聚类,并且应用基于本体的启发式算法来将聚类特征化。基于上述陈述,可以通过K-平均值法来计算得到聚类结果,最后依据本体包含的概念来解释聚类结果,并提取解释后的结果的特征,作为其语义描述[16]。(2)数据预处理后,对描述用户操作的数据进行识别。通常与用户活动相关的操作包括:浏览、查询、下载、个人收藏、兴趣和偏好定制和商品购买等,这些操作可以分为以下几类:输入型操作、收藏型操作和超链接型操作。①对于输入型操作(例如:查询、偏好定制、商品购买等),可以对输入的信息进行语义扩展,用分析后的语义信息替代原输入信息,存入日志中;②对于收藏型操作(例如:收藏该页面、复制该页面链接等),都是对本页面进行的,因此需要对该页面内容进行语义分析,通过上述Web内容的语义挖掘,获取该页面的语义描述,记录于日志中;③对于超链接型操作(例如;下载、通过本页面浏览其他页面等),同样对URL所链接的页面的内容进行语义挖掘,提取描述该页面内容的语义描述记录于日志。至此,语义日志已建立,以上处理就是对日志文件中的数据进行语义注释。(3)根据以上建立的语义日志,进行Web使用的语义挖掘。由于在Web日志中,已对用户的操作进行过语义注释,则在使用挖掘时,链接领域本体,对用户访问过的页面的语义描述进行统一化关键词提取,例如:用户访问过的页面具有“电脑”的语义,并且“电脑”这个关键词被使用的频率高于其他与它具有语义关联的关键词,那么就以“电脑”这个关键字描述所有具有该语义描述的页面,这样可以对用户兴趣统一化描述,便于后面的关联挖掘。同时,根据以上原则,获取用户输入操作过程中生成的具有语义的信息,统一化所提取的关键字,作为用户兴趣事件的兴趣项。(4)由于在语义网中,Web的内容挖掘和结构挖掘是相互缠绕的,因此Web语义的结构挖掘是与Web内容的语义挖掘同时进行的。Web结构的语义挖掘可用于Web页面分类,从而获取不同Web页面间相似度及关联度的信息,并辅助整理Web站点服务器中的日志文件,提高用于Web使用的语义挖掘和Web内容的语义挖掘的数据的质量。同时,Web结构挖掘可以通过一个Web页面的超链接挖掘出该页面所在的网络层次。由于结构挖掘可以确定挖掘网页在该网络中的位置,并且计算链入链出数,因此可以通过对页面的结构挖掘和用户浏览行为确定网页的等级[17]。等级越高,说明其在网络中权重越高,则推荐的优先度越高。最后,根据提取出的所有关键词,整理出各个用户的兴趣事件I,用于以下关联分析。挖掘关联推荐规则本文采用FP-Growth算法,通过建立FP-tree来进行关联规则挖掘,以发现同一事件中出现的不同项的相关性达到构建用户行为模式的目的,从而形成推荐规则。首先根据以上陈述,通过Web语义挖掘,对用户行为进行首次扫描,把所有发生的兴趣项中小于支持度α,即兴趣项出现频数小于预设值α的项剔除,剩余事件为频繁项。这里为了使挖掘过程更直观,将所有表示用户兴趣的兴趣项都用符号Ij表示。假设在一次数据挖掘中所有用户的不同兴趣项共有11个,分别为I1,I2,…,I11,其中用户100(用户编号)的兴趣事件是{I6,I1,I3,I4,I7,I9,I4,I7},以此类推,用户500的兴趣事件是{I1,I6,I3,I5,I10,I7,I4,I11}。这里设支持度为α=3(该值可自设),那么只有兴趣项I6,I3,I1,I4,I7是频繁项(表中的项集无时序顺序,只是表示在一次事件行为中出现过。这里排序只是为了方便构建FP-tree,即按照项的递减支持度计数排列),得到表1,其中第三列表示频繁项集,I6,I3的频数是4,其余的频数为3。例如表1所示:接下来以Null为根节点,I6,I3(频数最大)分别为其子节点构建FP-tree。根据以上频繁项集的排列,形成事件的分支,比如第一个事件{I6,I3,I1,I4,I7}就可以构建一个分支。当为一个事件考虑增加分支时,沿共同前缀上的每个节点数加1,为跟随前缀后的项创建节点并连接,用实线表示。比如将第二个事件{I6,I1,I3,I2,I4}加到树上是,将I6,I1,I3各增加计数1,然后为{I2,I4}创建分支。创建一个项头表,以方便遍历,每个项通过一个节点链指向它在树中的出现,用虚线表示。对FP-tree的挖掘步骤如下:(1)从项头表开始挖掘;(2)沿循每个(频繁)项的链接来遍历FP-tree;(3)通过积累该项的前缀路径来形成一个条件模式基:例如包含I2的所有频繁项集中,I2的前缀有I6I3I1、I6和I3,它们出现的频数分别为1、1、1。现在要做的是在频繁项中挖掘出频繁出现的关联项集,即哪几个项在所有事件中同时出现的频数不低于3。步骤如下:(1)为条件模式基中的每一项累积计数;(2)为模式基中的频繁项构建FP-tree。例如I4的条件模式基分别为:I6I3I1∶2,和I6I3I1I2∶1,而I6I3I1I2∶1包含I6I3I1,因此I6I3I1同I4一起出现过3次,满足支持度3,因此保留,认为I6I3I1I4是频繁项集,即这4项是有关联关系的,并且它们的子集表示的项与项之间也是具有关联性的;而I6I3I1I2作为I4的前缀只出现过一次,因此认为I6I3I1I2I4不频繁,因此无关联性。按此规则可以挖掘出其他关联项集。所挖掘出的关联规则表达了用户兴趣习惯,例如频繁关联项集I6I3I1I4表示当用户对I6感兴趣,那么他就可能对I3I1I4中的任何一个感兴趣,即I3I1I4是该用户的用户关联兴趣集,也可以看做是用户的偏好路线。

生成用户行为模式层用户行为模式的生成是个性化信息推荐的一个重要环节,该模式的准确程度直接影响信息推荐质量。该模式分别包括两个部分:“个性模式”和“群体模式”。(1)“个性模式”描述的是具体用户的兴趣集,这是在对Web内容以及结构挖掘时就分析得出的,即节中所生成的用户兴趣集。由于它的产生途径,这些信息必定都是该具体用户所感兴趣的,但是这些兴趣间不一定有什么关联关系,因此单单依靠该模式是不能推理出所有用户感兴趣的信息;(2)“群体模式”则描述的是当一个用户对某一信息A感兴趣时,他可能还会对信息B、信息C等也感兴趣,这就节中根据一大群用户的兴趣偏好所分析出来的用户兴趣关联集。根据此模式,可以推理出新访问者可能感兴趣的信息,但是不能完全描述某一个具体用户所感兴趣的个性化信息。因此,只有通过结合以上两个分模式,才可以准确的推理不同用户可能感兴趣的网页,实现较完全的页面推理。之后将生成用户行为模式存放入用户行为序列数据库,以便信息推荐时进行扫描。信息推荐层该层属于在线模块,推荐的网页信息不再局限于用户访问序列,而是根据包含用户行为关联规则的用户行为模式来进行页面推荐的。具体过程如下:Web服务器首先要对用户类型识别,分析是老用户(曾经访问过该页面)还是新访问者:(1)如果是新访问者,那么就根据访问者的实时行为方式,按照“Web语义挖掘层”中用户感兴趣信息的识别方法,仅针对该用户的行为,在线提取出表现新访问者兴趣的关键字,结合本体对该关键字进行语义扩展,并利用现在语义检索技术,由信息推荐引擎根据信息内容搜索相关页面,进行页面推荐。如果新访问者感兴趣的信息在已有用户行为模式中有记录,那么同时也根据用户行为模式中的关联规则向新访问者进行信息推荐,挖掘其潜在兴趣。(2)如果是注册用户或者曾经访问过该Web站点的用户,首先扫描用户行为序列数据库,根据用户行为模式由Web服务器中的推荐引擎寻找满足用户兴趣需求的页面进行推荐。之后再根据用户的实时行为进行信息推荐,步骤如上所述。在推荐过程中,可以利用网络爬虫crawler自动获取网页的链接而不是网页中的详细内容,并与网络上的数据交互并进行搜索。然后与本体链接,计算数据与用户兴趣信息的相关度,从而达到为用户选取相关网页的目的。同时在web结构挖掘过程计算出的等级高的网页,将会作为优先推荐给用户的页面,如文献[18]提到的基于本体的crawling框架。进行信息推荐后,分析用户行为反应:如果用户对推荐的信息进行了阅读或相关操作,那么说明推荐信息是符合用户兴趣偏好的,原有的用户行为模式没有过时;如果用户没有选择推荐的信息而是做出了其他选择,那么说明用户兴趣有所变动,需要对用户兴趣重新分析,如果新的关联的次数超过支持度,那么要在原有的规则上重新分析用户兴趣关联规则,同时修改用户行为模式,更新推荐策略。

总结与分析