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(wù)網(wǎng)站的增多，積累了大量的web日志數(shù)據(jù)，如何從這些海量的日志文件里找到用戶訪問站點(diǎn)的行為習(xí)慣和興趣愛好，已成為了web日志挖掘的研究熱點(diǎn)。Web頻繁序列模式挖掘是web日志挖掘的一個(gè)重要研究分支，它挖掘用戶訪問web站點(diǎn)的頻繁頁面和頻繁路徑，挖掘這些有趣的模式對于網(wǎng)站調(diào)整組織結(jié)構(gòu)以適應(yīng)用戶的訪問習(xí)慣是很重要的。在這個(gè)競爭激烈的電子商務(wù)環(huán)境中，優(yōu)化網(wǎng)站的組織結(jié)構(gòu)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(gè)性化服務(wù)，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(wǎng)站的發(fā)展是非常重要的。本文的主要研究內(nèi)容和成果如下：
　　①在PLWAP算法的基礎(chǔ)上，研究提出了一種在空間復(fù)雜度方面改善較明顯的算法RLDWAP。為避免經(jīng)典的WAP算法需要遞歸構(gòu)建大量條件樹這一缺陷，PLWAP算法使用位置碼來判斷兩個(gè)節(jié)點(diǎn)在樹中的位置關(guān)系，在樹中

3、每個(gè)節(jié)點(diǎn)的父節(jié)點(diǎn)位置碼之后附加1作為當(dāng)前節(jié)點(diǎn)的位置碼，在最近的左兄弟節(jié)點(diǎn)的位置碼之后附加上0作為其右兄弟節(jié)點(diǎn)的位置碼，因此當(dāng)樹的深度或?qū)挾群芨邥r(shí)，該位置碼會變得很長，存儲每個(gè)節(jié)點(diǎn)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(chǔ)上提出了RLDWAP改進(jìn)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(shí)記錄下當(dāng)前節(jié)點(diǎn)的最后一個(gè)子孫節(jié)點(diǎn)，使用RLD遍歷序號和當(dāng)前節(jié)點(diǎn)

4、的最后一個(gè)子孫節(jié)點(diǎn)的遍歷序號就可以判斷兩個(gè)節(jié)點(diǎn)在樹中的關(guān)系，以此減少存儲每個(gè)節(jié)點(diǎn)的空間和判斷兩個(gè)節(jié)點(diǎn)位置關(guān)系的時(shí)間。
　?、跒檫m應(yīng)不同應(yīng)用需要，在PLWAP算法的基礎(chǔ)上，研究提出了另一種在時(shí)間復(fù)雜度方面改善較明顯的算法BCWAP。分析PLWAP的頭表構(gòu)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(gè)項(xiàng)集與其在樹中標(biāo)識相同的所有節(jié)點(diǎn)連接為一個(gè)隊(duì)列，每次在后綴樹中尋找項(xiàng)集的首節(jié)點(diǎn)時(shí)，都需要從隊(duì)列的第一個(gè)節(jié)點(diǎn)開始遍

5、歷，對后綴樹以上的節(jié)點(diǎn)判斷是沒有必要的。針對該問題，結(jié)合RLD遍歷序號標(biāo)識節(jié)點(diǎn)的位置關(guān)系，BCWAP改進(jìn)算法通過在每次遞歸挖掘過程中重新構(gòu)造后綴樹的頭表，并且只將頭表中的每個(gè)項(xiàng)集與其在樹中對應(yīng)的首節(jié)點(diǎn)連接為一個(gè)隊(duì)列，減少了在當(dāng)前頻繁序列的后綴樹中尋找首節(jié)點(diǎn)的時(shí)間。由于需要在每次遞歸過程中構(gòu)造頭表，BCWAP在空間方面的性能介于PLWAP和WAP之間。
　?、蹖Ω倪M(jìn)算法進(jìn)行了性能分析和實(shí)驗(yàn)論證。通過將改進(jìn)算法與PLWAP、WAP和N