基于序列模式的Web挖掘的研究.pdf

1、從相當(dāng)規(guī)模中的數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)的模式規(guī)律是數(shù)據(jù)挖掘的意義所在，數(shù)據(jù)挖掘作為一門(mén)學(xué)科，剛開(kāi)始時(shí)是針對(duì)傳統(tǒng)意義上的數(shù)據(jù)庫(kù)中的數(shù)據(jù)而言的。伴隨著數(shù)據(jù)庫(kù)挖掘技術(shù)的成熟，人們?cè)絹?lái)越認(rèn)識(shí)到這門(mén)學(xué)科的潛在價(jià)值，也投入了越來(lái)越多的研究和關(guān)注，數(shù)據(jù)挖掘的確也給人們帶來(lái)了很多豐碩的成果。近幾年來(lái)，計(jì)算機(jī)的迅猛發(fā)展帶動(dòng)了以計(jì)算機(jī)為平臺(tái)的互聯(lián)網(wǎng)的崛起，互聯(lián)網(wǎng)的崛起引起了網(wǎng)絡(luò)Web數(shù)據(jù)量的不斷增大，人們將數(shù)據(jù)挖掘技術(shù)也應(yīng)用到了Web數(shù)據(jù)上，但是由于Web上數(shù)據(jù)的龐

2、大性和異構(gòu)性，進(jìn)行Web數(shù)據(jù)挖掘面臨著很多的問(wèn)題和難點(diǎn)。
　　Web數(shù)據(jù)挖掘按照挖掘的對(duì)象的形式不同可以分為對(duì)Web內(nèi)容的挖掘、對(duì)網(wǎng)頁(yè)鏈接結(jié)構(gòu)的挖掘和對(duì)各種日志信息的挖掘，本文主要結(jié)合傳統(tǒng)數(shù)據(jù)庫(kù)的序列模式挖掘思想，對(duì)Web的訪問(wèn)日志信息進(jìn)行分析和研究，序列模式挖掘是數(shù)據(jù)挖掘方法的一種，它從數(shù)據(jù)的前后順序的序列的角度入手進(jìn)行數(shù)據(jù)的挖掘。但是從Web上獲得的訪問(wèn)日志信息是不能直接加工的，因?yàn)檫@些日志信息雜亂無(wú)序、包含了很多挖掘過(guò)程不需

3、要的和有異常的數(shù)據(jù)，如果不去掉或者處理這些數(shù)據(jù)，挖掘過(guò)程難以進(jìn)行，挖掘結(jié)果也是難以符合用戶(hù)需求的，所以對(duì)數(shù)據(jù)的預(yù)處理過(guò)程是必不可少的，通過(guò)預(yù)處理，將原始數(shù)據(jù)去冗、整理、完善，以符合挖掘算法的要求。
　　以序列模式現(xiàn)有算法為基礎(chǔ)，本文提出一種改進(jìn)的針對(duì)Web日志挖掘的算法，該算法借鑒位圖的思想，設(shè)計(jì)了一種存儲(chǔ)數(shù)據(jù)的結(jié)構(gòu)形式，在這種結(jié)構(gòu)的輔助下，對(duì)Web訪問(wèn)日志進(jìn)行挖掘不僅去掉了產(chǎn)生候選序列的過(guò)程從而節(jié)省了開(kāi)銷(xiāo)，而且對(duì)序列的支持度計(jì)算