新關聯(lián)規(guī)則挖掘算法在WEB挖掘上的研究和應用.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘是近年來隨著數(shù)據(jù)庫技術和人工智能技術的發(fā)展而出現(xiàn)的一種信息技術,它融合了數(shù)據(jù)庫、人工智能以及統(tǒng)計學等多種學科,試圖從數(shù)據(jù)庫中提取出先前未知、有效和實用的知識。Web數(shù)據(jù)挖掘是傳統(tǒng)數(shù)據(jù)挖掘技術在Web環(huán)境下的應用,是從Web上的數(shù)據(jù)(如Web日志、頁面內容等)中發(fā)現(xiàn)用戶的瀏覽模式或尋找相關的Web頁面,Web使用模式挖掘主要是對Web日志數(shù)據(jù)進行分析處理。
  關聯(lián)規(guī)則是Web挖掘中一個重要的研究領域。為了挖掘出隱藏在數(shù)據(jù)間

2、的相互關系,將關聯(lián)規(guī)則的概念引入到Web挖掘系統(tǒng)中,把用戶的訪問路徑以關聯(lián)規(guī)則的形式表現(xiàn)出來。通過挖掘用戶的頻繁訪問路徑來重構站點的頁面之間的鏈接關系,以改進Web站點設計使其更適應用戶的訪問習慣,同時也可以為用戶提供個性化的信息服務。所以本文提出的基于粗糙集和單事務項組合的關聯(lián)規(guī)則挖掘算法在Web上的應用具有理論意義和現(xiàn)實意義。
  本文主要工作和創(chuàng)新點如下:
 ?。?)提出一種新的基于粗糙集和單事務項組合的關聯(lián)規(guī)則挖掘算

3、法。
  Apriori算法必須反復地掃描數(shù)據(jù)庫才能求出頻繁項集,效率較低,且不支持更新挖掘。為了解決這些問題,提出了一種基于粗糙集、單事務項組合和集合運算的關聯(lián)規(guī)則挖掘算法。本算法只需要掃描一次數(shù)據(jù)庫,同時有效地支持了關聯(lián)規(guī)則的更新挖掘。應用實例和實驗結果表明,該算法明顯優(yōu)于Apriori算法,是一種有效且快速的關聯(lián)規(guī)則挖掘算法。
  (2)新關聯(lián)規(guī)則挖掘方法在Web挖掘中的應用
  將提出的基于粗糙集和單事務項組合

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論