Web日志中序列模式挖掘算法的研究.pdf

1、近年來，隨著internet的飛速發(fā)展，電子商務網站的增多，積累了大量的web日志數(shù)據，如何從這些海量的日志文件里找到用戶訪問站點的行為習慣和興趣愛好，已成為了web日志挖掘的研究熱點。Web頻繁序列模式挖掘是web日志挖掘的一個重要研究分支，它挖掘用戶訪問web站點的頻繁頁面和頻繁路徑，挖掘這些有趣的模式對于網站調整組織結構以適應用戶的訪問習慣是很重要的。在這個競爭激烈的電子商務環(huán)境中，優(yōu)化網站的組織結構也是吸引和挽留用戶的重要手段。

2、挖掘這些有趣模式還可以為用戶提供個性化服務，推薦他們可能喜歡的商品。此外，在挖掘的頻繁路徑上投放廣告可以使更多的用戶訪問到廣告。因此，web頻繁序列模式挖掘的研究對于電商網站的發(fā)展是非常重要的。本文的主要研究內容和成果如下：
　　①在PLWAP算法的基礎上，研究提出了一種在空間復雜度方面改善較明顯的算法RLDWAP。為避免經典的WAP算法需要遞歸構建大量條件樹這一缺陷，PLWAP算法使用位置碼來判斷兩個節(jié)點在樹中的位置關系，在樹中

3、每個節(jié)點的父節(jié)點位置碼之后附加1作為當前節(jié)點的位置碼，在最近的左兄弟節(jié)點的位置碼之后附加上0作為其右兄弟節(jié)點的位置碼，因此當樹的深度或寬度很高時，該位置碼會變得很長，存儲每個節(jié)點的位置碼需要消耗更多的空間，讀取位置碼需要遍歷指針。針對該問題，在PLWAP算法的基礎上提出了RLDWAP改進算法，該算法采用RLD遍歷（右子樹-左子樹-根的遍歷次序）WAP-Tree，并在遍歷的同時記錄下當前節(jié)點的最后一個子孫節(jié)點，使用RLD遍歷序號和當前節(jié)點

4、的最后一個子孫節(jié)點的遍歷序號就可以判斷兩個節(jié)點在樹中的關系，以此減少存儲每個節(jié)點的空間和判斷兩個節(jié)點位置關系的時間。
　?、跒檫m應不同應用需要，在PLWAP算法的基礎上，研究提出了另一種在時間復雜度方面改善較明顯的算法BCWAP。分析PLWAP的頭表構造過程可以發(fā)現(xiàn)，其在每次遞歸挖掘過程中保持不變，并且頭表是將表里的每個項集與其在樹中標識相同的所有節(jié)點連接為一個隊列，每次在后綴樹中尋找項集的首節(jié)點時，都需要從隊列的第一個節(jié)點開始遍

5、歷，對后綴樹以上的節(jié)點判斷是沒有必要的。針對該問題，結合RLD遍歷序號標識節(jié)點的位置關系，BCWAP改進算法通過在每次遞歸挖掘過程中重新構造后綴樹的頭表，并且只將頭表中的每個項集與其在樹中對應的首節(jié)點連接為一個隊列，減少了在當前頻繁序列的后綴樹中尋找首節(jié)點的時間。由于需要在每次遞歸過程中構造頭表，BCWAP在空間方面的性能介于PLWAP和WAP之間。
　?、蹖Ω倪M算法進行了性能分析和實驗論證。通過將改進算法與PLWAP、WAP和N