英文摘要书写要求

ＴＤＣ是预先指定的距离极限值，它根据不同的应用取不　同的值，可以通过多次试验得到。当会话和已有簇的最短距　离超过ＴＤＣ时，意味着发现了一个新的浏览兴趣，因此要创　建一个新簇　当一个会话和几个簇的距离都少于ＴＤＣ时。说　明会话表现出了交叉兴趣，可以综合考虑这几个簇的兴趣，对　用户进行个性化服务。　实时聚类牺牲了部分准确性来换取聚类的速度，以便能　在线为用户提供个性化服务。因此，为了提高聚类的准确性，　系统还需要周期性用其它经典的聚类算法（如ＢＩＲＣＨ算法　・　等）进行重聚类，然后在此基础上，再运用实时聚类算法，实现　对在线用户的服务。　３　－Ｔ　ｏ，４７８　４８９　ｖ．１１．ｉ　ｏｌｔ．　０．３２　ｖ，＇￣ｏ　３．４算法改进　模型的复杂度与Ｗｅｂ页面基数有密切关系：页面越多，矩　阵的计算就越复杂，矩阵稀疏性也越严重。我们对算法进行　改进，就是只对作为训练集的日志中记录的页面进行编号，而　不是对整个网站的页面进行编号。这样可以有效降低聚类时　的页面基数，改善算法的效率。因为８Ｏ％的用户主要是访问　了２Ｏ％的页面。对用户访问到而系统没有进行编号的页面，　把它们都赋予编号０　因为这种情况下系统生成的簇，是不含　该页面的，所以该页面编号为０和有一个实际编号在进行计　算时是没有区别的。　４实验系统的检测　我们用ＶＣ＋＋６．０在Ｗｉｎｄｏｗｓ　２０００　Ａｄｖａｎｃｅ　Ｓｅｒｖｅｒ平台上　实现了本文的系统，实验的硬件平台为内存１２８　Ｍ的赛扬　６６６ＰＣ机，数据源为暨南大学研究生部服务器连续７Ｏ天的日　志文件。经过我们的系统处理，原来６８３　Ｍ的日志文件精简　为２３．７Ｍ，大约为原来数据量的３．５％。预处理后的文件有５７９　２９５条记录，消耗时间１３７秒。会话识别花费５６秒，一共识别　会话１ｌ９　４２２个。　这说明我们预处理的策略是有效的。实验过程中发现实　时聚类算法的ＴＤＣ取值为１时，对用户的预测效果比较好，如　表１所示。表２是本系统与Ｍａｒｋｏｖ模型的正确率的比较，由　表２可以看出，在用于预测的页面数较少的情况下，本系统比　Ｍａｒｋｏｖ模型的性能提升较大。说明本系统较能适应用户的短　期浏览变化。　５结束语　传统的Ｗｅｂ个性化技术大多采用静态的方法，这不利于　反映用户的浏览兴趣变化，对用户个性化服务的效果不是很　好。本课题在研究了当前的一些个性化技术后，利用Ｗｅｂ使　英文摘要书写要求　１．内容要求　（１）摘要应包含４要素，即研究问题的目的，解决此问题的方　法，产生了什么样的结果，得到的结论是什么。字数限定在１５０．２００　字左右（太长或太短都不好）。　（３）不要对论文成果做评论，尤其是自我评价，也不要说别人　所做工作的不足。　２．翻译要求　（１）采用被动语态，用第三人称，不用“Ｗｅ”等第一人称作主语；　用过去时态叙述作者工作，用现在时态叙述结论。　（２）尽量用短句子，动词尽可能靠近主语。　（３）尽量用词义清楚并为人熟知的词，不用自己无把握的难词；　可省去不必要的词语，诸如副词、形容词、“Ｉｎｔｈｉｓｐａｐｅｒ”等　一（２）尽量不用或少用背景信息和研究此问题的历史知识介绍，论　文中谈及的未来计划小纳入摘要，引言中出现的内容不要写入摘要。　１１５７—