基于XML的WEB日志挖掘研究.pdf

1、WEB日志挖掘的主要目標(biāo)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(jié)果可以幫助理解用戶的行為，從而改進站點的結(jié)構(gòu)或為用戶提供個性化的服務(wù)。
　　 在WEB數(shù)據(jù)挖掘領(lǐng)域中WEB日志挖掘技術(shù)對于網(wǎng)站的結(jié)構(gòu)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(shù)應(yīng)用于WEB服務(wù)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(shè)計和服務(wù)，開展個性化服務(wù)和構(gòu)建智能WEB站點。
　　 本論文詳述了在研究個性化信息推薦服務(wù)中必須要著重解決的以下幾個方面的問題：WEB日志的預(yù)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(yù)處理的各個步驟，并且給出了每一步的關(guān)鍵算法。WEB日志挖掘預(yù)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(wù)模式識別。
　　 本文分別以關(guān)聯(lián)規(guī)則和聚類兩種方式完成對用戶的個性化服務(wù)，即為用戶提供推薦頁面集。本論文提出一種改進的關(guān)聯(lián)規(guī)則Apriori算法，該算法為關(guān)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(wù)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(shè)計