基于XML的WEB日志挖掘研究.pdf

1、WEB日志挖掘的主要目標是從WEB的訪問記錄中抽取感興趣的模式，通過分析這些挖掘結果可以幫助理解用戶的行為，從而改進站點的結構或為用戶提供個性化的服務。
　　 在WEB數(shù)據(jù)挖掘領域中WEB日志挖掘技術對于網(wǎng)站的結構優(yōu)化和頁面內(nèi)容的重新組合都起到了重要作用。目前檢索WEB的信息主要采用搜索引擎來完成，但是大多數(shù)搜索引擎都缺少主動性，沒有考慮訪問用戶的興趣偏好和訪問者的不同，無法有效地解決信息迷失和信息過載的問題。而解決這個問題的途

2、徑之一就是將數(shù)據(jù)挖掘技術應用于WEB服務器日志的挖掘，通過日志挖掘，從用戶在WEB網(wǎng)站上瀏覽行為的數(shù)據(jù)中獲取用戶的瀏覽模式。根據(jù)用戶的行為模式，改進網(wǎng)站的設計和服務，開展個性化服務和構建智能WEB站點。
　　 本論文詳述了在研究個性化信息推薦服務中必須要著重解決的以下幾個方面的問題：WEB日志的預處理、WEB日志挖掘算法、個性化推薦方法。詳細討論了WEB日志挖掘預處理的各個步驟，并且給出了每一步的關鍵算法。WEB日志挖掘預處理過

3、程主要包括：數(shù)據(jù)清理、用戶識別、會話識別、路徑補充和用戶事務模式識別。
　　 本文分別以關聯(lián)規(guī)則和聚類兩種方式完成對用戶的個性化服務，即為用戶提供推薦頁面集。本論文提出一種改進的關聯(lián)規(guī)則Apriori算法，該算法為關聯(lián)規(guī)則APriori算法的改進，通過引入分辨矩陣實現(xiàn)只需掃描一次數(shù)據(jù)庫，避免不必要的多次掃描，從而提高Apriori算法的效率，減少了掃描事務數(shù)據(jù)庫的次數(shù)，并提高項集的支持計數(shù)速度。
　　 最后，本文初步設計