Web日志中用戶訪問(wèn)序列模式挖掘的研究.pdf

1、隨著Web應(yīng)用的快速發(fā)展，Web數(shù)據(jù)挖掘成為數(shù)據(jù)挖掘的熱點(diǎn)之一，根據(jù)Web挖掘的目的和數(shù)據(jù)對(duì)象的不同，web數(shù)據(jù)挖掘可以分為Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘、Web日志挖掘。Web日志挖掘是對(duì)用戶訪問(wèn)網(wǎng)站是留下的日志文件使用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)隱含的規(guī)律性知識(shí)，得到用戶的訪問(wèn)模式，對(duì)優(yōu)化站點(diǎn)結(jié)構(gòu)和為用戶提供個(gè)性化服務(wù)具有重要的意義。
　　 在Web日志挖掘中數(shù)據(jù)預(yù)處理是整個(gè)挖掘過(guò)程的基礎(chǔ)，直接影響日志挖掘的質(zhì)量和結(jié)果。本文在對(duì)預(yù)處理各

2、個(gè)步驟研究分析的基礎(chǔ)上，提出了基于用戶訪問(wèn)樹(shù)的Web日志挖掘數(shù)據(jù)預(yù)處理方法，根據(jù)服務(wù)器用戶訪問(wèn)日志建立用戶訪問(wèn)樹(shù)，并在用戶訪問(wèn)樹(shù)的基礎(chǔ)上進(jìn)行用戶和事務(wù)識(shí)別，從而解決了在動(dòng)態(tài)網(wǎng)站拓?fù)浣Y(jié)構(gòu)難以獲取的情況下進(jìn)行預(yù)處理的困難，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法識(shí)別事務(wù)的準(zhǔn)確性，為下一步序列模式挖掘打下堅(jiān)實(shí)的基礎(chǔ)。
　　 對(duì)于從Web日志中挖掘出用戶的訪問(wèn)序列模式，傳統(tǒng)的序列模式挖掘算法在挖掘時(shí)往往效率很低，它們采用的頻繁模式搜索策略經(jīng)常導(dǎo)致算法構(gòu)造

3、大量的中間數(shù)據(jù)。本文對(duì)當(dāng)前主要使用的PrefixSpan算法提出改進(jìn)，在構(gòu)建投影數(shù)據(jù)庫(kù)時(shí)合棄非頻繁項(xiàng)存儲(chǔ)并在投影序列數(shù)小于最小支持度時(shí)結(jié)束掃描投影數(shù)據(jù)庫(kù)，同時(shí)通過(guò)檢查序列關(guān)于前綴的前綴，避免序列數(shù)據(jù)庫(kù)中重復(fù)投影數(shù)據(jù)庫(kù)的產(chǎn)生以及對(duì)投影數(shù)據(jù)庫(kù)進(jìn)行的重復(fù)掃描，提高了算法執(zhí)行效率，并通過(guò)實(shí)驗(yàn)對(duì)其時(shí)空性能與原算法進(jìn)行對(duì)比。
　　 本文最后在前面工作的基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)Web用戶訪問(wèn)日志挖掘原型系統(tǒng)，并就原型的各模塊進(jìn)行了分析，通過(guò)對(duì)高