Web日志中序列模式挖掘的研究.pdf

1、Web日志挖掘是數(shù)據(jù)挖掘中的一個(gè)重要應(yīng)用，是用于信息處理的一門(mén)新技術(shù)，其中，序列模式挖掘作為 Web日志挖掘中的一個(gè)重要研究方向，主要用于挖掘 Web序列數(shù)據(jù)庫(kù)中頻繁出現(xiàn)的，有序的子序列，對(duì)于優(yōu)化Web站點(diǎn)和為用戶提供個(gè)性化服務(wù)具有重要的研究意義和實(shí)際應(yīng)用價(jià)值。
　　本文主要研究以Web日志為對(duì)象的用戶訪問(wèn)序列模式挖掘。通過(guò)對(duì)服務(wù)器日志文件中的用戶的訪問(wèn)記錄做深入的分析，序列模式挖掘幫助找到用戶經(jīng)常訪問(wèn)的頁(yè)面或者某種資源的模式，從

2、而有效改善 Web頁(yè)面的組織形式和 Web站點(diǎn)的架構(gòu)，提高網(wǎng)站的整體性能。在深入研究了Web挖掘以及序列模式挖掘相關(guān)理論和現(xiàn)有技術(shù)的基礎(chǔ)上，本文總結(jié)出現(xiàn)有序列模式挖掘算法的優(yōu)缺點(diǎn)，重點(diǎn)探討了基于 WAP-tree結(jié)構(gòu)的WAP-mine算法。針對(duì)傳統(tǒng)WAP-mine算法的不足，本文設(shè)計(jì)了一種新的MNWAP-mine算法，與傳統(tǒng)算法相比，該算法在挖掘Web日志序列模式時(shí)效率和性能都明顯提升。本文主要研究工作如下：
　　(1)首先，對(duì)W

3、AP-tree的結(jié)構(gòu)進(jìn)行改進(jìn)，采用一種基于Hash表的輔助存儲(chǔ)結(jié)構(gòu)輔助序列的查找，節(jié)省序列的查找時(shí)間；其次，針對(duì)傳統(tǒng)的WAP-mine算法在構(gòu)造WAP-tree過(guò)程中需兩次掃描完整的數(shù)據(jù)庫(kù)的不足，利用第一次掃描的結(jié)果，得到只包含頻繁項(xiàng)集的序列，這樣第二次掃描時(shí)就只需掃描包含頻繁項(xiàng)集的序列了。在人工合成數(shù)據(jù)集T10I4D100K和真實(shí)數(shù)據(jù)集retail上的實(shí)驗(yàn)表明，兩方面的改進(jìn)使得WAP-tree的創(chuàng)建效率相對(duì)于傳統(tǒng)算法明顯提高。