基于WAP樹棧Web用戶瀏覽模式挖掘.pdf

1、隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展,人們嘗試將該技術(shù)運用于Web,形成了Web挖掘技術(shù),Web用戶瀏覽模式挖掘是Web挖掘的一個重要研究方向。Web用戶瀏覽模式挖掘是通過對Web站點服務(wù)器日志進行分析,挖掘其中隱藏的頻繁模式,為用戶提供個性化服務(wù)、信息導航,并為網(wǎng)站結(jié)構(gòu)的改進和優(yōu)化提供依據(jù)。本文基于WAP樹和棧進行Web用戶瀏覽模式挖掘,克服了傳統(tǒng)算法需要創(chuàng)建大量子樹的缺陷,時間效率有了很大地提高。
　　 本文的研究內(nèi)容主要有Web數(shù)據(jù)源采

2、集和預處理、Web用戶聚類和Web用戶頻繁瀏覽模式的發(fā)現(xiàn)與分析。首先,數(shù)據(jù)預處理包括數(shù)據(jù)清理、用戶識別、會話識別、路徑補充、事務(wù)識別五個階段。其次,Web用戶聚類是把瀏覽路徑相似的用戶聚成一類,在聚類的相似度量上,不再單純地以訪問次數(shù)或相同路徑瀏覽時間來度量,而是考慮用戶之間相同路徑部分相似性和非相同路徑部分相似性,從而引出相似興趣度和非相似興趣度兩個度量值,并把這種相似度計算方法稱為PIS相似度,再結(jié)合該相似度進行基于傳遞閉包的模糊聚

3、類。最后,Web用戶頻繁瀏覽模式的發(fā)現(xiàn)與分析是根據(jù)Web用戶聚類的結(jié)果,挖掘用戶類的所有頻繁瀏覽模式,再進行模式分析。傳統(tǒng)頻繁模式挖掘算法普遍有一個缺點:大量候選項的產(chǎn)生或頻繁地創(chuàng)建樹結(jié)構(gòu),因此大大降低了算法效率。為此,本文提出一種WSF-Mine算法,該算法結(jié)合了不連續(xù)但可重復頁面序列挖掘的WAP算法和連續(xù)但不可重復頁面序列挖掘的CAP算法,可以挖掘連續(xù)且可重復頁面序列的頻繁模式,克服了WAP算法和CAP算法的不足之處,而且除了WAP

4、樹以外,不需要創(chuàng)建任何一棵子樹,只利用棧和頻繁模式挖掘的性質(zhì)即可挖掘出用戶的所有頻繁瀏覽路徑。
　　 通過實驗分析,基于PIS相似度的模糊聚類結(jié)果質(zhì)量有很大提高,從而提高了在聚類結(jié)果質(zhì)量基礎(chǔ)上進行模式挖掘的WSF-Mine算法效率。另外,理論和實驗證明,WSF-Mine算法比CAP和OB-Mine算法的效率均有一定的提高。本文在相似度計算和頻繁模式挖掘上均有提出改進算法,因此在Web用戶瀏覽模式挖掘研究領(lǐng)域具有一定的參考價值。<