基于關(guān)聯(lián)規(guī)則的Web日志挖掘研究與應(yīng)用.pdf

1、本文從理論、算法和應(yīng)用三個層次研究了關(guān)聯(lián)規(guī)則算法在Web日志挖掘中的應(yīng)用。 首先系統(tǒng)、全面地分析和論述了數(shù)據(jù)挖掘技術(shù)以及Web挖掘技術(shù)，著重研究了Web日志挖掘過程中各環(huán)節(jié)的關(guān)鍵技術(shù)，特別是Web日志挖掘的數(shù)據(jù)預(yù)處理過程。 其次，對關(guān)聯(lián)規(guī)則挖掘的定義、性質(zhì)、挖掘過程、挖掘算法以及研究現(xiàn)狀進行了綜述，對關(guān)聯(lián)規(guī)則經(jīng)典算法中的Apriori算法進行了深入研究與分析，針對其需要反復(fù)掃描事務(wù)數(shù)據(jù)庫，造成大量I/O開銷，影響關(guān)聯(lián)規(guī)則

2、挖掘效率這一不足之處，提出了新的改進算法Imp_Aproori算法，主要思想為：基于在實際關(guān)聯(lián)規(guī)則挖掘中，項的數(shù)目遠小于事務(wù)數(shù)目這一事實，提出將事務(wù)數(shù)據(jù)庫轉(zhuǎn)換成項數(shù)據(jù)庫，項數(shù)據(jù)庫以項為索引，其記錄是涉及該項的事務(wù)的集合，之后挖掘就直接在項數(shù)據(jù)庫上進行。針對Apriori算法和Imp Apriori算法，開發(fā)出兩個測試程序，對同樣的數(shù)據(jù)集在相同支持度和置信度條件下，兩種算法各自挖掘的時間進行比較，從而驗證了算法改進的可行性。 最后