【正文】 于單層分類，它在一定程度上考慮了類別之間的關(guān)系。局部法首先在頂層決定最相關(guān)的類，然后遞歸地在下一層分類，直至葉子結(jié)點(diǎn)類。兩種方法各有利弊。全局法僅僅在訓(xùn)練階段使用了類別結(jié)構(gòu)信息，但在分類階段沒有使用這些信息；在父類別有區(qū)別的特征在子類別不一定有區(qū)別能力，所以對于區(qū)分不同層次類別的不同特征集具有較大的困難；因?yàn)轭悇e的結(jié)構(gòu)變化，算法的可擴(kuò)展性也較差。而局部法一個(gè)十分明顯的問題是：一個(gè)被父類別誤分的文檔不可能在子類別分類器進(jìn)行分類，這種錯(cuò)誤是不可恢復(fù)的。此外，因?yàn)樾枰煌姆诸惼?，每一個(gè)分類器需要不同的訓(xùn)練集，所以需要更多的訓(xùn)練實(shí)例和訓(xùn)練時(shí)間；在底層的類別結(jié)點(diǎn)分類器的訓(xùn)練集小，那么對這些類別是十分不利的。 網(wǎng)頁的測試如果網(wǎng)頁分類器建立好了以后，需要進(jìn)行分類器的學(xué)習(xí)訓(xùn)練過程，訓(xùn)練分類器的一些參數(shù)，然后對這些參數(shù)進(jìn)行微調(diào)。一般情況下，把原始的語料庫分為訓(xùn)練集（Train Set）和測試集（Test Set）兩部分，它們大小并不一定相等。測試集是為了微調(diào)分類器的參數(shù)；用分類器對測試集進(jìn)行分類，得到分類的結(jié)果。測試有封閉測試和開放測試。封閉測試時(shí)，測試集是訓(xùn)練集的一部分；開放測試時(shí)，測試集與訓(xùn)練集是獨(dú)立同分布的兩個(gè)數(shù)據(jù)集。在我們的推薦系統(tǒng)中，把收集到的網(wǎng)頁隨機(jī)抽取一部分網(wǎng)頁為訓(xùn)練集，這些網(wǎng)頁用于分類器訓(xùn)練參數(shù)，同時(shí)需要不斷更新訓(xùn)練集的網(wǎng)頁，網(wǎng)頁的訓(xùn)練在系統(tǒng)離線進(jìn)行。對于推送給用戶的網(wǎng)頁，本質(zhì)上是一種封閉測試的方式。推薦引擎根據(jù)分類器訓(xùn)練得到的參數(shù)對用戶推薦相應(yīng)的層次類別的網(wǎng)頁內(nèi)容。. 試驗(yàn)（開發(fā)）規(guī)模及地點(diǎn)研究開發(fā)地點(diǎn)分別設(shè)置在江西集佳科技有限公司軟件開發(fā)研究室和江西江西財(cái)經(jīng)大學(xué)現(xiàn)代教育技術(shù)中心，試驗(yàn)測試環(huán)境為江西財(cái)經(jīng)大學(xué)校園網(wǎng)，規(guī)模限制于該兩所大學(xué)50臺系統(tǒng)及應(yīng)用服務(wù)器上。在數(shù)據(jù)庫、文件服務(wù)器和各應(yīng)用系統(tǒng)如人事系統(tǒng)、財(cái)務(wù)系統(tǒng)等部署相關(guān)的系統(tǒng)安全代理服務(wù)，實(shí)現(xiàn)基于多層安全代理的網(wǎng)絡(luò)資源訪問控制。在此試驗(yàn)成功的基礎(chǔ)上總結(jié)經(jīng)驗(yàn)，將規(guī)模拓展到整個(gè)校園網(wǎng)的其它信息數(shù)據(jù)處理領(lǐng)域。. 主要技術(shù)關(guān)鍵及創(chuàng)新點(diǎn). 技術(shù)關(guān)鍵主要難點(diǎn)如下： 在個(gè)性化推薦系統(tǒng)中的用戶行為分析與預(yù)測中，用戶會(huì)話序列的識別是預(yù)處理中的難點(diǎn)和重點(diǎn)，如何很好地構(gòu)建基于層次關(guān)系的用戶群和提取具有偏序結(jié)構(gòu)的關(guān)鍵瀏覽路徑層次圖是我們研究的關(guān)鍵。 在推薦系統(tǒng)的推薦引擎中，如何運(yùn)用偏最小二乘原理，在參照多類文本分類模型MPLC模型的基礎(chǔ)上，構(gòu)建新的模型來解決大規(guī)模數(shù)據(jù)集的層次文本分類問題是我們突破的關(guān)鍵。 如何運(yùn)用J2EE的架構(gòu)來對整個(gè)推薦系統(tǒng)進(jìn)行設(shè)計(jì)與開發(fā)，是保證整個(gè)系統(tǒng)順利完成的關(guān)鍵。. J2EE技術(shù)J2EE是SUN提出的用于開發(fā)和部署三層結(jié)構(gòu)企業(yè)級應(yīng)用的標(biāo)準(zhǔn)平臺。J2EE提供了一個(gè)基于組件的方法來設(shè)計(jì)、開發(fā)、裝配和部署企業(yè)應(yīng)用程序?；诮M件的J2EE解決方案不僅可以用更快的速度向市場推出創(chuàng)造性的客戶解決方案，而且它自身具有的平臺獨(dú)立性不會(huì)使它被束縛在任何一個(gè)廠商的產(chǎn)品和API上?；趯Ξ?dāng)前動(dòng)態(tài)網(wǎng)站構(gòu)建技術(shù)的分析與比較可以發(fā)現(xiàn)，J2EE技術(shù)較好的解決了大規(guī)模、分布式、安全性等問題。實(shí)踐證明，SUN公司推出的J2EE技術(shù)規(guī)范，以其“先進(jìn)、安全、穩(wěn)定、可靠”的特點(diǎn)迅速成為了實(shí)施電子政務(wù)和電子商務(wù)的行業(yè)標(biāo)準(zhǔn)。J2EE為搭建具有可伸縮性、靈活性、易維護(hù)性的電子政務(wù)系統(tǒng)和電子商務(wù)系統(tǒng)提供了良好的機(jī)制。J2EE定義的三層模型可根據(jù)實(shí)際情況靈活運(yùn)用。與其它的開發(fā)平臺相比，J2EE具有明顯的優(yōu)勢，它支持一個(gè)簡化的基于組件的開發(fā)模型和對組件化開發(fā)的支持。由于J2EE容器提供支持事物處理、數(shù)據(jù)庫連接、生命周期管理以及其他一些影響性能的組件，所以它們可具有在這些范圍內(nèi)的伸縮性。J2EE提供了廣泛的API，它可以用同樣的方式訪問和集成第三方供應(yīng)商提供的產(chǎn)品，例如，數(shù)據(jù)庫、郵件發(fā)送系統(tǒng)、消息發(fā)送平臺等。J2EE安全模型被設(shè)計(jì)用來支持訪問應(yīng)用程序服務(wù)只需一次登陸。組件開發(fā)商可以在方法級別上指定某個(gè)組件的安全要求，從而確保只有擁有合法權(quán)益的用戶能夠訪問特定的數(shù)據(jù)操作。因此，從系統(tǒng)的實(shí)際需要、技術(shù)選擇原則，選用J2EE技術(shù)作為本文的信息發(fā)布系統(tǒng)的理想的開發(fā)平臺。 平臺無關(guān)性JAVA技術(shù)在信息發(fā)布系統(tǒng)中成為實(shí)現(xiàn)功能的代碼載體。Java以其完全面向?qū)ο蟮脑O(shè)計(jì)風(fēng)格和良好的平臺無關(guān)性，已經(jīng)超越了語言木身的功能，成為了開發(fā)Web應(yīng)用的理想平臺。Java平臺包括了一種用于實(shí)現(xiàn)Java對象的語言和這些Java對象的運(yùn)行環(huán)境Java虛擬機(jī)JVM (Java Virtual Machine)。J2EE運(yùn)行在虛擬機(jī)（JVM）上，利用Java本身的跨平臺特性，獨(dú)立于硬件配置和操作系統(tǒng)。Java運(yùn)行環(huán)境（JRE）幾乎可以運(yùn)行于所有的硬件/OS組合。因此，通過采用Java、J2EE使企業(yè)免于高昂的硬件設(shè)備和操作系統(tǒng)的再投資，保護(hù)已有的IT資源。在很多情況下，J2EE還可以直接運(yùn)行在EIS服務(wù)器環(huán)境中，從而節(jié)約網(wǎng)絡(luò)帶寬，提高性能。所以，利用Java獨(dú)立于硬件配置和操作系統(tǒng)的特點(diǎn)使得我們的信息發(fā)布系統(tǒng)具有更好的系統(tǒng)兼容性，用戶也可以經(jīng)任意操作平臺上便捷訪問信息發(fā)布系統(tǒng)，極大地方便了系統(tǒng)開發(fā)設(shè)計(jì)人員、系統(tǒng)維護(hù)人員和用戶。 J2EE規(guī)范J2EE是SUN公司定義的一個(gè)開發(fā)分布式企業(yè)級應(yīng)用的規(guī)范。它提供了一個(gè)多層次的分布式應(yīng)用模型和一系列開發(fā)技術(shù)規(guī)范。多層次分布式應(yīng)用模型是指根據(jù)功能把應(yīng)用邏輯分成多個(gè)層次，每個(gè)層次支持相應(yīng)的服務(wù)器和組件，組件在分布式服務(wù)器的組件容器中運(yùn)行(如Servlet組件在Servlet容器上運(yùn)行，EJB組件在EJB容器上運(yùn)行)，容器間通過相關(guān)的協(xié)議進(jìn)行通信，實(shí)現(xiàn)組件間的相互調(diào)用。遵從這個(gè)規(guī)范的開發(fā)者將得到行業(yè)的廣泛支持，使企業(yè)級應(yīng)用的開發(fā)變得簡單、快速J2EE規(guī)范的主要技術(shù)包括:EJB(服務(wù)器端分布式組件技術(shù)),Servlet/JSP(主要用于Web服務(wù)器端來完成請求/響應(yīng)等Web功能及簡單商業(yè)邏輯的技術(shù)),JNDI(名稱與目錄服務(wù)API),JDBC(對關(guān)系型數(shù)據(jù)庫進(jìn)行操作的連接橋),RMI/ RMIIIOP(進(jìn)程間相互通信的重要機(jī)制),JMS(提供異步消息處理機(jī)制),JTA/ JTS(組件的事務(wù)處理支持),Java IDL(應(yīng)用Java語言實(shí)現(xiàn)CORBA標(biāo)準(zhǔn)的模型),JavaMail/JAF(提供與平臺無關(guān)的電子郵件服務(wù)功能),JCA(用于與其他系統(tǒng)進(jìn)行集成)以及XML(一些J2EE技術(shù)所依靠的技術(shù))。JSPJSP技術(shù)是一項(xiàng)將靜態(tài)HTML與動(dòng)態(tài)生成的HTML巧妙結(jié)合起來的技術(shù)。JSP技術(shù)允許將腳本語言嵌入到HTMIIXML文檔中。在JSP文件被傳送到客戶端之前，其語法在服務(wù)器端被解析，腳本程序被轉(zhuǎn)換為Servlet進(jìn)行處理，所產(chǎn)生的Servlet將生成動(dòng)態(tài)的HTML數(shù)據(jù)并發(fā)送到客戶端顯示。在信息發(fā)布系統(tǒng)中，JSP實(shí)現(xiàn)頁面表現(xiàn)層，將發(fā)布的信息內(nèi)容的生成和頁面的顯示分離；利用其代碼執(zhí)行效率高的特性可以承受更大的用戶并發(fā)訪問，結(jié)合JSP容器構(gòu)建的服務(wù)器集群可以有效解決在大用戶量訪問系統(tǒng)時(shí)產(chǎn)生的效率瓶頸問題；開發(fā)人員也可以利用JSP生成可重用、跨平臺的組件，加速總體開發(fā)過程，并使各種組織在它們現(xiàn)有的技能和優(yōu)化結(jié)果的開發(fā)努力中得到平衡。ServletServlet是Java中新增的一個(gè)全新的功能。一般來說Servlet是一種小型的Java程序，它擴(kuò)展了Web服務(wù)器的功能。作為一種服務(wù)器端的應(yīng)用，當(dāng)被請求時(shí)開始執(zhí)行，這和CGIPerI腳本很相似。Servlet提供的功能大多與之類似，不過實(shí)現(xiàn)的方式不同。JSP通常是大多數(shù)HTML代碼中嵌入少量的Java代碼，而Servlet全部由Java寫成并且生成HTML。EJBJ2EE技術(shù)之所以贏得廣泛重視的原因之一就是EJB。它們提供了一個(gè)框架來開發(fā)和實(shí)施分布式商務(wù)邏輯，由此很顯著地簡化了具有可伸縮性和高度復(fù)雜的企業(yè)級應(yīng)用的開發(fā)。EJB規(guī)范定義了EJB組件在何時(shí)如何與它們的容器進(jìn)行交互作用。容器負(fù)責(zé)提供公用的服務(wù)加目錄服務(wù)、事務(wù)管理、安全性、資源緩沖池以及容錯(cuò)性。值得注意的是，EJB并不是實(shí)現(xiàn)J2EE的唯一途徑。正是由于J2EE的開放性，使得有的廠商能夠以一種和EJB平行的方式來達(dá)到同樣的目的。在信息發(fā)布系統(tǒng)中，我們采用EJB技術(shù)，定義了一個(gè)可重用的組件框架來實(shí)現(xiàn)分布式的、面向?qū)ο蟮纳虡I(yè)邏輯，簡化了復(fù)雜的開發(fā)。這樣使得商業(yè)邏輯與底層的系統(tǒng)邏輯分開，只需關(guān)心商業(yè)邏輯，而由EJB容器實(shí)現(xiàn)目錄服務(wù)、事務(wù)管理、持久性、安全性、容錯(cuò)性等底層系統(tǒng)邏輯，通過容器提供的協(xié)議和方法來相互調(diào)用組件。 J2EE組件服務(wù)J2EE平臺規(guī)范是一個(gè)用于簡化分布式企業(yè)級應(yīng)用開發(fā)與部署的基于組件的模式。它提供了一個(gè)多層次的分布式應(yīng)用模型和一系列開發(fā)技術(shù)規(guī)范。多層次分布式應(yīng)用模型是根據(jù)功能把應(yīng)用邏輯分成多個(gè)層次，每個(gè)層次支持相應(yīng)的服務(wù)器和組件，組件在分布式服務(wù)器的組件容器中運(yùn)行。在J2EE標(biāo)準(zhǔn)服務(wù)之上有Web容器和EJB容器。Web容器為應(yīng)用系統(tǒng)的表示層邏輯組件Servlet/JSP提供了運(yùn)行環(huán)境：EJB容器為應(yīng)用系統(tǒng)的業(yè)務(wù)邏輯組件EJB提供了運(yùn)行環(huán)境。容器間通過相關(guān)的協(xié)議進(jìn)行通訊，實(shí)現(xiàn)組件間的相互調(diào)用。J2EE基于組件的開發(fā)模型的中心就是容器的概念。容器是標(biāo)準(zhǔn)化的運(yùn)行環(huán)境，它提供了特定的組件服務(wù)，組件可以在任何J2EE平臺上獲得這些服務(wù)，從而使復(fù)雜的多層結(jié)構(gòu)應(yīng)用系統(tǒng)開發(fā)變得容易。例如，全部EJB容器自動(dòng)支持EJB組件的事務(wù)處理和生存周期管理，以及bean的查找和其他服務(wù)，同時(shí)，容器還為企業(yè)信息系統(tǒng)提供了標(biāo)準(zhǔn)的訪問。 J2EE體系結(jié)構(gòu)J2EE與傳統(tǒng)的互聯(lián)網(wǎng)應(yīng)用程序模型相比有著不可比擬的優(yōu)勢，它提供了一種基于組件的方法對企業(yè)級應(yīng)用系統(tǒng)進(jìn)行設(shè)計(jì)、開發(fā)、裝配和部署。J2EE提供了一個(gè)多層結(jié)構(gòu)的、分布式的應(yīng)用程序模型，具有重用組件的能力、基于擴(kuò)展標(biāo)記語言(XML)的數(shù)據(jù)交換能力、統(tǒng)一的安全模式和靈活的事務(wù)控制能力。J2EE體系結(jié)構(gòu)主要由客戶層、中間層和企業(yè)信息系統(tǒng)層三層邏輯結(jié)構(gòu)組成，分別分布在客戶端、J2EE服務(wù)器和后端傳統(tǒng)的機(jī)器位置上。J2EE三層結(jié)構(gòu)也可以理解為在Client/Server模式的客戶端應(yīng)用程序和后端存儲資源中間增加了一個(gè)多線程的應(yīng)用程序服務(wù)器。在基于J2EE的軟件系統(tǒng)中，用戶使用客戶端的瀏覽器或直接從客戶端應(yīng)用程序發(fā)出一個(gè)請求，通過Internet傳送到中間層的Web容器或EJB容器上進(jìn)行預(yù)處理，由中間層的EJB容器轉(zhuǎn)換為數(shù)據(jù)庫請求格式后再交由EIS層的數(shù)據(jù)庫系統(tǒng)或應(yīng)用系統(tǒng)處理。當(dāng)數(shù)據(jù)處理完畢后，將處理結(jié)果交給中間層的EJB容器進(jìn)行必要的格式轉(zhuǎn)換后，經(jīng)Web容器傳送給客戶端瀏覽器顯示或直接發(fā)送到客戶端應(yīng)用程序?？蛻魧雍椭虚g層之間根據(jù)HTTP協(xié)議進(jìn)行數(shù)據(jù)的接收和傳送，而中間層與EIS層之間根據(jù)TCP/IP協(xié)議和JDBC等技術(shù)進(jìn)行數(shù)據(jù)的交互。在新一代動(dòng)態(tài)智能信息發(fā)布系統(tǒng)中，大部分操作都涉及到與維護(hù)管理人員和用戶動(dòng)態(tài)地進(jìn)行信息交互，因此要求系統(tǒng)能夠?qū)崿F(xiàn)數(shù)據(jù)的動(dòng)態(tài)管理功能。重要的是，基于對系統(tǒng)的跨平臺運(yùn)行特性、整個(gè)系統(tǒng)合理的架構(gòu)要求、后臺數(shù)據(jù)庫需要提供數(shù)據(jù)管理和控制服務(wù)、數(shù)據(jù)的標(biāo)準(zhǔn)化安全訪問、系統(tǒng)的安全和可靠等多方面的考慮，我們運(yùn)用分層體系結(jié)構(gòu)的設(shè)計(jì)思想，采用當(dāng)今流行的J2EE結(jié)構(gòu)作為本系統(tǒng)體系結(jié)構(gòu)的基礎(chǔ)。 J2EE框架從應(yīng)用的角度來看，J2EE為企業(yè)應(yīng)用系統(tǒng)的開發(fā)提供了一種多層分布式企業(yè)應(yīng)用模型。在J2EE中，應(yīng)用邏輯按功能不同可以劃分為不同類型的組件，各組件根據(jù)它們所在的層分布在不同的機(jī)器上，共同組成一個(gè)基于組件的分布式系統(tǒng)。J2EE定義了一個(gè)典型的四層結(jié)構(gòu)，分別是客戶層、Web層、商業(yè)邏輯層和企業(yè)信息系統(tǒng)層。在應(yīng)用開發(fā)時(shí)，J2EE定義的四層模型可根據(jù)實(shí)際情況靈活運(yùn)用。由于除了Applet外其他的組件都可以訪問數(shù)據(jù)庫、EJB組件和企業(yè)信息系統(tǒng)，所以通過不同層的取舍及組合，可以衍生出許多應(yīng)用軟件開發(fā)模型，如基于Web的四層模型、基于桌面應(yīng)用的三層模型（不包括Web層）、B2B模型（不包括客戶層）等。如果應(yīng)用系統(tǒng)比較簡單，一般不用EJB作為邏輯層，而直接用Web組件來實(shí)現(xiàn)商業(yè)邏輯和數(shù)據(jù)訪問，畢竟EJB的開發(fā)和部署費(fèi)用還相當(dāng)高。在第二章我們闡述的四層模型的框架的設(shè)計(jì)思想基本上是遵循J2EE的框架和與其相吻合，同時(shí)也便于整個(gè)系統(tǒng)的充分利用和發(fā)揮J2EE的技術(shù)優(yōu)勢。 J2EE核心技術(shù)J2EE是由一整套的服務(wù)(Services )、應(yīng)用程序接口(API)和協(xié)議(Protocol)組成，對開發(fā)基于Web的多層應(yīng)用提供了功能支持。J2EE核心技術(shù)主要包括JDBC、分布通信技術(shù)、Java Bean、JSP、EJB、Servlet和XML等，JSP、EJB和Servlet在前面我們已經(jīng)介紹，以下為我們簡單介紹系統(tǒng)其它四種技術(shù)。JDBC (Java Database Connectivity)JDBC是一組Java API，它提供了一組標(biāo)準(zhǔn)的API調(diào)用來進(jìn)行數(shù)據(jù)庫的訪問，JDBC對開發(fā)者來說是透明的通用接口，為訪問不同的數(shù)據(jù)庫提供了一種統(tǒng)一的方法，具有平臺無關(guān)性。運(yùn)用JDBD可以以多種不同的方式建立一個(gè)Java服務(wù)器程序與多種不動(dòng)數(shù)據(jù)源的連接。所選用的驅(qū)動(dòng)程序?qū)⒂绊懴到y(tǒng)的性能與功能。JDBC定義了四種不同的驅(qū)動(dòng)程序:(1)JDBCODBC橋通過JDBCODBC橋，可以使用JDBC來存取ODBC(Open Database Connectivity)數(shù)據(jù)源。但是需要在客戶端安裝ODBC驅(qū)動(dòng)程序，它影響了JDBC的效率和平臺獨(dú)立性。( 2 )JDBCnative driver bridge:提供了一種建立在本地?cái)?shù)據(jù)庫驅(qū)動(dòng)程序的頂層的JDBC接口，因此不需要使用ODBC。它將數(shù)據(jù)庫的API從標(biāo)準(zhǔn)JDBC調(diào)用轉(zhuǎn)換為本地調(diào)用，影響了JDBC的平臺獨(dú)立性。采用該驅(qū)動(dòng)程序比采用橋驅(qū)動(dòng)的性能要好，因?yàn)檫@里不需要ODBC驅(qū)動(dòng)程序管理器。但是，通常也很少選用。(3)JDBCnetwork bridge:不需要客戶端數(shù)據(jù)庫驅(qū)動(dòng)程序，它使用網(wǎng)絡(luò)上的中間服務(wù)器來存取數(shù)據(jù)庫。這使得負(fù)載均衡、連接緩沖池和數(shù)據(jù)緩存等技術(shù)的實(shí)現(xiàn)有了可能。由于這種方式往往只需要相對更少的下載時(shí)間，具有平臺獨(dú)立性，而且不需要在客戶端安裝并取得控制權(quán)，可以減少客戶維護(hù)工作，所以很適合與Internet上使用?？蛻舳丝梢赃B接