利用網站關鍵詞序列獲得的用戶事務標准樣式通過聚類往後，形成了表現用戶個性化信息需要的不一樣標准樣式特點標志。和網站關鍵詞序列相形，聚類後的用戶事務標准樣式顯然具備更少的數目和更明確的個性化特點標志，所以運用此用戶事務聚類標准樣式就可以施行下一步的個性化信息引薦活動。

　　到現在為止搜索引擎網站中等見的個性化信息seo引薦形式主要有兩種：一種是查問改進;一種是個性化網頁權重。前者主要是利用變更用戶實際搜索的網站關鍵詞內部實質意義來表現用戶的個性化信息需要，然後者主要是依據網頁權重對最後結果網頁施行排序來表現用戶的個性化信息需要。基於個性化網頁權重的引薦辦法和基於查問改進的引薦辦法相形，具備眾多優勢，主要表如今下面這些方面：

　　一是通過實踐證實，諸如PageRank等網頁權重值是一種較為管用反映網頁客觀關緊性的指標，同時相應算法具備技術易行性。

　　二是算法主要解決了網頁客觀關緊性的名聲問題，可以在網頁有關度排序上施展效用。也就是說，該算法能夠將滿意用戶個性化要求的網頁放在最後結果網頁聚齊的最前端。事情的真實情況上，這更有助於用戶獲得所需的個性化信息。

　　最終，有關的網頁權重計算辦公無須在線施行，只需利用離線階段的儲存數值即可計算，因此能夠管用節約用戶查問所需求的時間開銷。

　　基於個性化網頁權重的引薦算法思想是在傳統的網頁權重算法基礎之上，經過合理地改正和添加那裡面運用的具體參變量，以表現不一樣用戶的個性化需要特點標志，因此計算出不一樣用戶所特有的網頁權重值，並在用戶查問時，利用這個值來計算網頁的有關度和優先級。

　　較為常見的個性化網頁權重形式為個性化PageRank辦法。傳統的PageRank是一種用於查問最後結果網頁的有關度排序技術，它經過網頁問的鏈上下團結鏈出關系來計算不一樣網頁的權重值，並據此來成功實現網頁排序。這種算法到現在為止已有多種衍生類型，主重要的條目的都是著眼於對最後結果做進一步的信息表現。那裡面，最為常見的作法是運用個性化PageRank矢量來表現不一樣用戶的個性化信息需要，並運用此矢量計算網頁的有關度，因此萌生針對特別指定用戶的個性化搜索最後結果。

　　個性化PageRank算法主要根據個性化PageRank矢量來使最後結果網頁萌生對特別指定用戶的偏好特別的性質。那裡面，眾多算法都是以基於Web的圖論算法為基礎的，最為常見的板型有馬爾可夫板型等。對於馬爾可夫板型，許多人已經提出了眾多不一樣的具體類型，如一階馬爾可夫鏈板型、高階馬爾可夫鏈板型和混合馬爾可夫鏈板型等。那裡面，一階馬爾可夫鏈板型固然能對序列倚賴給出一個簡單的描寫辦法，不過它沒有思索問題網絡沖浪行徑的長效記憶特點標志;高階馬爾可夫鏈板型能夠更加正確地預先推測導航途徑，不過它也會隨著維度增多而萌生遮蓋度和計算復雜性的衡量問題，且這種復雜板型一般要求相當大的訓練集;混合馬爾可夫鏈板型組合了各階的馬爾可夫板型，在預處置和訓練的時刻也需求更多的資源。

　　顯然，此處的算法和選用的板型是有關的，要依據對簡易性和准確性的衡量事情狀況來表決所選板型類型，甚至於是一點其它板型，這些個其它板型多半認為合適而使用基於樹狀導航圖結構的數值開鑿算法，如聚類、序列板型開鑿、次數多項開鑿等。

　　如今許多人提出的個性化PageRank辦法固然有眾多，不過主要分為兩大類：一類是直接改正基於超鏈關系獲得的網頁權重值;另一類是在傳統PageRank公式上添加修正參變量來反映用戶的個性化要求。