應用資料探勘技術實現個人化推薦之研究與實作
隨著使用者的持續增加，及各式各樣的網站不斷推陳出新，如何在成千上萬的網站中脫穎而出，獲得使用者的青睞，就成為當前相當熱門且重要的課題。贏得這場競賽的關鍵在於，掌握每一位使用者的真正需求，並進而提供使用者最需要的服務。掌握使用者的需求，可從使用者過去的行為推論起。
我們將應用並改良資料探勘的技術，推導出使用者的資訊需求，進而提供最符合需求的推薦資訊。本計畫將分下列三階段執行：
第一個階段我們將採取傳統關聯法則的探勘方法，由日誌資料中推導使用者的瀏覽興趣及行為，以產生個人側寫檔；並將個人側寫檔應用在使用者分群上，再利用分群結果提供個人化推薦的資訊服務。在這個階段，我們將設計並實作一套論文推薦系統雛型，以測試所得到的使用者側寫檔是否有效。
第二個階段，我們將進一步考慮資料的多重分類特性，設計分類階層樹的資料結構，以便進行階層式關聯法則的探勘。在這個階段，我們將分析各種相關探勘技術的效能，並進行模擬實驗以比較其效率上的差異。
第三階段，我們將應用多重分類的概念，於個人側寫檔的推導上，包括週期性與多類式個人興趣及行為的探勘；並分別提供不同的個人化推薦。最後，我們將比較這些推薦服務的效果，以分析不同探勘技術對個人化系統的影響。
本計畫所研發的各項成果，包括：個人興趣及行為之探勘演算法、分類階層樹之資料結構及相關演算法、階層式關連法則的探勘演算法、及多類式個人興趣及行為之探勘演算法，將來皆可提供申請國家專利之用。