张昊

（湖北第二师范学院计算机学院，湖北武汉，430205）

Web文本挖掘主要是为了能够在Web页面内成功提取关键知识信息，个性化推荐就如同“信息找人”这一方式，想要提高个性化推荐的精准率，就要保证信息有效性这一重要基础，所以文本挖掘作为如今个性化推荐中的热门研究话题[1]。Web文本挖掘技术作为多样化的个性化推荐中分支，包括了建立特征表示，提取重要文档，进行聚类分析以及计算相似性。以往利用空间向量模型表示文本，最终的推荐结果准确度不高，并且关键文本的判断推理能力不强，无法有效优化个性化推荐集[2]。不仅如此用户在访问电商网站存在自身兴趣爱好改变的可能性，因此需要一种精准性更高的文本挖掘技术，来对用户的变化及时跟踪且及时响应。本文就此提出基于文本挖掘技术的电子商务网站个性化推荐技术，提高电商网站的推荐精准性。

1 基于Web文本挖掘推荐模型

自信息运动论在学术界提出后，就上升了“信息”概念至“全信息理论”，一定程度上代表获取信息资源，完成开发且加以利用的全过程[3]。在Web访问的过程中也作为产生信息的运动过程，用户在每一次访问过程中都会在Web服务器中留下信息，也就是挖掘对象与传统推荐模型相结合，加入Web文本挖掘、BM25F模型内，在电商网站平台构建个性化推荐模型（见图1）。

图1 基于Web挖掘的个性化推荐模型

根据上文建立此模型分为上、下两部分，上面主要为了对Web服务器数据结构进行分析，完成服务器日志预处理，成功提取事物集并运用模型计算文本表示与权重，通过聚类分析得到Web文本文档集。……