基于WEB日志挖掘的個性化服務(wù)技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速普及和廣泛應(yīng)用，網(wǎng)絡(luò)信息資源的數(shù)量及網(wǎng)站設(shè)計的復(fù)雜度也呈急劇增長趨勢。一方面，人們越來越多地關(guān)注如何快速有效地從繁多的網(wǎng)絡(luò)信息中尋找到潛在的、有價值的信息。另一方面，Web網(wǎng)上的服務(wù)商也在不斷設(shè)法獲取用戶瀏覽的興趣愛好，以便為用戶提供更有針對性的服務(wù)。但是由于Web是動態(tài)的無結(jié)構(gòu)的，并且Web頁面的復(fù)雜程度遠遠大于文本文檔。Web日志挖掘就是運用傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和Web技術(shù)結(jié)合起來，來對服務(wù)器日志進行挖掘和分析處理，從

2、海量的信息數(shù)據(jù)中發(fā)現(xiàn)規(guī)律性的內(nèi)容，解決上面提出的各類問題。
　　 如今，針對用戶特性并向用戶提供個性化服務(wù)已經(jīng)成為計算機技術(shù)的研究熱點之一。運用Web日志挖掘技術(shù)，并結(jié)合Web站點的內(nèi)容、語義信息是目前基于Web日志挖掘的個性化服務(wù)技術(shù)研究的新趨勢。
　　 本文首先簡述了Web日志挖掘的概念、應(yīng)用、研究現(xiàn)狀和研究目前所面臨的問題，重點分析了Web日志挖掘系統(tǒng)的實現(xiàn)過程，給出了數(shù)據(jù)預(yù)處理的流程并分析了其中的難點；其中預(yù)處理

3、過程包括數(shù)據(jù)清洗、用戶識別、會話識別和路徑補充。其次研究了用于Web日志挖掘技術(shù)的算法。提出了一種新的預(yù)處理模型，采用基于分析用戶方cookies文件的技術(shù)方法，避免通過同一代理服務(wù)器訪問網(wǎng)站的不同用戶無法識別出來。采取了用戶瀏覽行為的聚類算法與Web頁面聚類算法相結(jié)合的方法對用戶訪問模式進行挖掘，直接對網(wǎng)站的拓撲結(jié)構(gòu)和用戶瀏覽信息進行處理的關(guān)聯(lián)矩陣方法，避免了復(fù)雜的會話識別，使挖掘過程更高效多能。再次描述了個性化服務(wù)的關(guān)鍵技術(shù)，并形成