基于Web日志挖掘的用戶聚類研究.pdf

1、隨著Internet的不斷發(fā)展，信息快速增長與人們注意力有限的矛盾在不斷增加，而Web日志挖掘正是解決這一矛盾的有效手段。日志文件記錄了用戶的地址、訪問時間、方法、網(wǎng)頁和頁面信息大小等訪問信息和交互信息。利用Web日志挖掘技術(shù)對日志文件進(jìn)行挖掘可以發(fā)現(xiàn)用戶訪問網(wǎng)站的瀏覽模式及網(wǎng)站頁面之間的關(guān)系，為用戶個性化服務(wù)以及頁面改造和網(wǎng)站整體架構(gòu)優(yōu)化提供有益的指導(dǎo)。
　　本文對Web日志挖掘的基本理論和挖掘中使用的模糊聚類算法進(jìn)行了深入研究

2、，對其中存在的問題提出了新的見解和改進(jìn)，主要創(chuàng)新點(diǎn)與改進(jìn)內(nèi)容如下：
　?。?）數(shù)據(jù)預(yù)處理在Web日志挖掘過程中起著至關(guān)重要的作用，是為數(shù)據(jù)挖掘算法提供有效輸入和獲取有價值的挖掘結(jié)果的前提條件。而數(shù)據(jù)預(yù)處理階段的一個關(guān)鍵問題就是如何獲取網(wǎng)站拓?fù)浣Y(jié)構(gòu)，本文提出了一種通過Web服務(wù)器的日志文件來獲取網(wǎng)站拓?fù)浣Y(jié)構(gòu)的新方法，并通過實(shí)驗(yàn)驗(yàn)證了新方法的有效性和準(zhǔn)確性。
　?。?）用戶訪問路徑是Web用戶聚類時度量用戶興趣度的參數(shù)之一，針對

3、目前訪問路徑興趣度表示的不足，本文結(jié)合日志記錄的特點(diǎn)，從參數(shù)的數(shù)學(xué)特征出發(fā)，設(shè)計了一種基于二進(jìn)制數(shù)表示的訪問路徑矩陣來度量用戶的興趣度，并給出了新的相異度矩陣的構(gòu)造方法。實(shí)驗(yàn)表明，本文提出的訪問路徑矩陣是可行的，生成的相異度矩陣在表現(xiàn)用戶訪問路徑差異上是準(zhǔn)確的。
　?。?）本文研究分析了數(shù)據(jù)挖掘中的模糊C-均值聚類算法(FCM)。針對算法中初始聚類中心選取的隨機(jī)性導(dǎo)致聚類正確性與效率下降的問題，結(jié)合相異度矩陣，提出了一種改進(jìn)的模糊