Web日志挖掘相關技術及算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展與快速普及，Web站點無論在訪問量、大小還是在網(wǎng)站設計的復雜度上都以驚人的速度增長著，在給人們帶來豐富信息和極大便利的同時，也對自身的設計和功能提出了更高的要求。如何了解用戶的興趣和愛好，分析用戶的瀏覽行為，使站點結構變得更加合理，更好的挖掘站點潛在的商業(yè)價值，解決這些問題的途徑之一就是將傳統(tǒng)數(shù)據(jù)挖掘技術應用于Web日志挖掘，并針對Web日志的新特性，對傳統(tǒng)挖掘方法進行擴展和改進。目前，Web日志挖掘已經(jīng)成為國際上一個新

2、興的重要研究領域，其研究工作具有非常重要的現(xiàn)實意義。 本文系統(tǒng)地闡述了論文的研究背景及Web日志挖掘的整個過程。首先，在日志預處理過程中，結合用戶瀏覽行為和基于內(nèi)存的挖掘算法提出了一種新的最大向前引用識別用戶訪問事務識別方法(IMFR)，該方法可以有效避免用戶不感興趣的導航頁面對挖掘結果的干擾。其次，在對頻繁模式算法和FP—tree進行了深入研究的基礎上，提出了IFP—tree構造算法，采用動態(tài)節(jié)點插入技術構造頻繁模式樹，該算法

3、可以有效縮小樹的寬度以達到壓縮數(shù)據(jù)空間的目的，同時提高前綴路徑的共享性，使基于此樹的挖掘算法具有更高的效率。再次，本文在IFP—tree結構的基礎上對最大頻繁模式挖掘算法FPmax進一步優(yōu)化，提出了IFPmax算法，利用結點的秩進行子集檢測前的預判斷，根據(jù)最大頻繁模式的性質(zhì)對已經(jīng)存在的結點進行標記，有效避免了結點的冗余遍歷，為最大頻繁模式挖掘算法提高了時間效率。最后，通過實驗證明改進算法的優(yōu)越性，結果表明在數(shù)據(jù)庫較大或最小支持度較低時性