基于Web日志的增量序列模式挖掘研究.pdf

1、數(shù)據(jù)挖掘?yàn)樽詣?dòng)和智能地把海量的數(shù)據(jù)轉(zhuǎn)化成有用的信息和知識(shí)提供了強(qiáng)有力的手段，尤其是在網(wǎng)絡(luò)迅速發(fā)展和電子商務(wù)競爭不斷激烈的今天，數(shù)據(jù)挖掘的作用更加的凸顯。序列模式挖掘是數(shù)據(jù)挖掘重要的研究課題之一，是指從序列數(shù)據(jù)庫中尋找頻繁子序列作為模式的知識(shí)發(fā)現(xiàn)過程，在很多領(lǐng)域都有實(shí)際的應(yīng)用價(jià)值，如客戶購買行為模式的分析、Web訪問模式的預(yù)測、疾病診斷、自然災(zāi)害預(yù)測、DNA序列分析等。隨著以人為中心的交互式應(yīng)用和數(shù)據(jù)的動(dòng)態(tài)更新背景的日益增多，頻繁模式的動(dòng)

2、態(tài)維護(hù)需求不斷增長，這些都不斷地刺激人們尋找更好的解決辦法來盡可能地降低挖掘的代價(jià)，因而動(dòng)態(tài)數(shù)據(jù)庫的增量式序列模式挖掘成為序列模式挖掘在未來的研究熱點(diǎn)。
　　本文基于序列模式挖掘、Web服務(wù)器日志和電子商務(wù)等相關(guān)理論知識(shí)，運(yùn)用文獻(xiàn)研究、實(shí)證分析及定性定量分析相結(jié)合的方法對(duì)電子商務(wù)網(wǎng)站基于服務(wù)器Web日志的增量序列模式挖掘問題進(jìn)行了研究，文章主要從以下四個(gè)方面展開：
　　第一，整理和分析先前序列模式挖掘算法的相關(guān)文獻(xiàn)資料。介紹

3、序列模式挖掘的概念、作用和國內(nèi)外研究現(xiàn)狀，歸納現(xiàn)有序列模式挖掘方法中亟待解決的問題；從基本序列模式，閉合序列模式，多維序列模式，周期序列模式等不同角度對(duì)相關(guān)理論進(jìn)行了梳理，為本文增量挖掘算法的提出以及特征分析提供理論基礎(chǔ)。
　　第二，結(jié)合理論研究，在借鑒算法優(yōu)點(diǎn)基礎(chǔ)之上，提出一種適于Web訪問序列模式的增量挖掘算法。該算法采用擴(kuò)展網(wǎng)格結(jié)構(gòu)作為存儲(chǔ)結(jié)構(gòu)，具有占用空間小和獲取信息便利的優(yōu)勢，同時(shí)能夠根據(jù)數(shù)據(jù)庫動(dòng)態(tài)變化而變動(dòng)結(jié)構(gòu)。針對(duì)數(shù)

4、據(jù)庫更新、網(wǎng)站結(jié)構(gòu)變化和最小支持度閾值調(diào)整三種影響挖掘結(jié)果的情況提出相應(yīng)算法，為模型的構(gòu)建奠定了基礎(chǔ)。
　　第三，構(gòu)建基于Web日志的增量挖掘模型。模型分為四個(gè)模塊，第一塊是網(wǎng)站結(jié)構(gòu)內(nèi)容分析；第二塊是數(shù)據(jù)預(yù)處理；第三塊是Web訪問序列模式增量挖掘算法的實(shí)現(xiàn)；第四塊是實(shí)驗(yàn)結(jié)果的分析與解釋。
　　第四，本文以購物網(wǎng)站的真實(shí)Web日志數(shù)據(jù)為研究對(duì)象進(jìn)行實(shí)例分析。運(yùn)用SQL-server2005實(shí)現(xiàn)數(shù)據(jù)的預(yù)處理過程，通過Visual