摘 要：本文提出了一种基于文本数据挖掘的个性化推荐算法，该算法在电子商务网站应用中，通过对服务器日志进行分析，跟踪单一用户的当前的浏览偏好，并根据当前偏好进行个性化商品信息的推荐，能够很好的解决传统算法中推荐信息滞后的尴尬问题。

关键词：文本挖掘；个性化推荐；层次聚类

一、引言

随着WEB2.0产品形式的进一步多样化，用户的行为可以更广泛的被获取并加以利用，所以使用文本挖掘方法的开始出现在电子商务网站的推荐中。此外，社交产品越来越受互联网用户的青睐，会产生大量的访问日志，再加上大规模数据处理和分析技术的发展，使得使用文本数据挖掘来分析用户个性化偏好变得更加现实。大数据的优势在于它能够及时的对用户行为数据进行高效的分析处理，并且目前相关的专家学者在此方面已经取得了突破性的成功[1]。本文在前人研究的基础之上，尝试结合电子商务网站，使用文本数据挖掘来对个性化推荐进行研究。主要针对用户的交易日志信息进行关键词提取，形成兴趣的关联规则，进一步采用聚类分析，最终给出相应的推荐结果。推荐结果的验证使用时效性、精准率和召回率等指标进行验证[2]。

二、文本词条获取

（一）服务器日志挖掘

所谓在电子商务平台上使用文本数据挖掘是指提取访客的页面访问日志，在其基础上对访问的一系列相关页面的核心主题关键词进行提取，以此来跟踪访客当前的兴趣行为偏好。……