《基于Web访问信息的用户兴趣迁移模式的研究》笔记

  基本思想：

  把用户访问过的页面作为序列。

  每个页面可以有一个或者多个类别。

  把访问过的页面序列，用HMM来标注类别。 目的就是识别用户访问的类目序列。

  训练数据的获取方法？

      通过局域网抓包的方式来得到用户访问的页面序列。这个方式比较巧妙，真是“创造条件也要上。”

      不过这个方法在局域网只得到712个浏览页面，分析之后用到其中302个URL，分成8个类目。数据真的太少，类目太粗了。假如我们实验室有10个人，每个人一天访问20个页面，统计10天，那么也有2000个页面。所以说这个数据收集的方法值得斟酌。

     302个页面在做文本聚类，这个精确度感觉太粗糙了。

最终结果是识别访问类目的规律：

      如此识别之后再用关联规则去挖掘。有点用了大炮之后再用鸟枪的感觉。