基于OLAP的Web日志挖掘研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)正在成為人們進行信息交流和信息處理的有效平臺，網(wǎng)上信息迅速增長，信息的種類也越來越多，人們面對太多的信息無法選擇和消化，此種現(xiàn)象稱為信息過載。Internet上信息資源分布的廣泛性給用戶尋找感興趣的信息增加了困難，也就是所謂的信息迷失。信息迷失和信息過載的問題日益制約人們高效地使用Internet信息。當(dāng)前主要采用搜索引擎來檢索Web上的信息，大多數(shù)搜索引擎缺乏主動性，未考慮個體用戶的興趣偏好，因而未能有效

2、地解決信息過載和信息迷失的問題。因此，使用數(shù)據(jù)挖掘和人工智能等相關(guān)技術(shù)對用戶的瀏覽行為進行分析，即對Web日志進行挖掘是提供個性化服務(wù)的一個重要方法。Web日志挖掘是Web數(shù)據(jù)挖掘中非常重要的一個研究領(lǐng)域和研究方向，通過分析和發(fā)現(xiàn)Web日志記錄中的規(guī)律，可以挖掘出Web用戶潛在的使用規(guī)律和模式。本文介紹了Web數(shù)據(jù)挖掘的產(chǎn)生背景，系統(tǒng)地闡述了數(shù)據(jù)挖掘技術(shù)與Web數(shù)據(jù)挖掘的思想、理論和方法，對Web日志數(shù)據(jù)挖掘過程及其中各環(huán)節(jié)的關(guān)鍵技術(shù)進

3、行了深入的探討，重點研究了Web日志挖掘的數(shù)據(jù)預(yù)處理技術(shù)和關(guān)聯(lián)規(guī)則Apriori算法在Web日志挖掘中的應(yīng)用。主要研究內(nèi)容及結(jié)果如下：
　　 ⑴從Web日志文件中抽取一周的數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理。詳細(xì)研究和探討了Web日志挖掘中數(shù)據(jù)預(yù)處理的整個過程及方法。Web日志挖掘的數(shù)據(jù)預(yù)處理主要包括5個階段：數(shù)據(jù)凈化、用戶識別、會話識別、路徑完善和事務(wù)識別。
　　 ⑵運用數(shù)據(jù)倉庫中的建模技術(shù)，對預(yù)處理后的Web日志進行了多維模型建立