Web使用挖掘與網(wǎng)頁個性化服務(wù)推薦研究.pdf

1、數(shù)據(jù)挖掘是計算機科學(xué)、人工智能和數(shù)據(jù)庫研究方向的一項重要課題,它是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。Web頁面包含復(fù)雜的、無結(jié)構(gòu)的、動態(tài)的數(shù)據(jù)信息,如何對Web上的海量信息進行分析,針對用戶的需求,提供個性化推薦服務(wù),是當今數(shù)據(jù)挖掘技術(shù)一項重要的應(yīng)用。本文在總結(jié)前人研究成果的基礎(chǔ)上,針對Web使用挖掘進行了研究,主要內(nèi)容歸納如下:
　　

2、 (1)對數(shù)據(jù)挖掘的基本理論知識和分類進行了總體研究,詳細分析了Web使用挖掘的數(shù)據(jù)源,數(shù)據(jù)預(yù)處理的基本流程。
　　 (2)對關(guān)聯(lián)規(guī)則相關(guān)理論進行了詳細的介紹,分析了經(jīng)典Apriori算法的性能,對其進行了改進。在自然連接產(chǎn)生候選集以前先進行一個修剪過程,減少參加連接的項集數(shù)量,因而減小生成的候選項集規(guī)模,減少了循環(huán)迭代次數(shù)和運行時間,同時在連接判斷步驟中減少多余的判斷次數(shù)。
　　 (3)詳細的介紹了K-means聚類

3、算法的基本思想以及流程,分析了它的優(yōu)缺點,提出了一種改進的K-means算法,即MFA算法。針對K-means算法中每次調(diào)整簇中心后確定新的簇中心需要大量的距離計算,提出一種利用簇中心的變化信息來確定新簇中心的方法,通過從動態(tài)簇中心集中選取候選集的方法減少了過濾算法的計算復(fù)雜度。
　　 (4)對校園網(wǎng)網(wǎng)站的日志數(shù)據(jù)進行分析處理,利用改進的挖掘算法進行數(shù)據(jù)挖掘,發(fā)現(xiàn)用戶的訪問模式,最后利用挖掘結(jié)果,給網(wǎng)站添加個性化推薦功能,主動為