面向校園網(wǎng)日志分析的web數(shù)據(jù)控制技術(shù)研究.pdf

1、Web使用挖掘是通過挖掘Web日志記錄以發(fā)現(xiàn)用戶訪問Web頁面的模式、預(yù)測用戶瀏覽行為，從而更好地理解和服務(wù)基于Web應(yīng)用的技術(shù)。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(jié)構(gòu)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(shù)應(yīng)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。Web內(nèi)容的復(fù)雜性、多樣性和非結(jié)構(gòu)性，Web組織結(jié)構(gòu)的動態(tài)性和多變性，Web使用數(shù)據(jù)的非

2、精確性等，均給Web使用挖掘帶來很多困難，使得不能夠把傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)簡單地應(yīng)用于Web數(shù)據(jù)，同時也為Web挖掘理論和技術(shù)的深入研究提供了更多的挑戰(zhàn)和機遇。
　　 Web使用挖掘的數(shù)據(jù)可能來源于服務(wù)器端、客戶端、代理服務(wù)器端等，并且每一種類型的數(shù)據(jù)收集不僅在數(shù)據(jù)源位置方面不同，而且在可用數(shù)據(jù)的種類、被收集的數(shù)據(jù)段和它的實現(xiàn)方面都不相同。文章系統(tǒng)地闡述了論文的研究背景及Web日志挖掘的整個過程。數(shù)據(jù)挖掘的準(zhǔn)備工作是對收集到的原始

3、數(shù)據(jù)進行預(yù)處理，它由數(shù)據(jù)清洗、用戶識別、會話識別和路徑補充步驟構(gòu)成。Web會話是由訪問站點的Web頁面訪問序列構(gòu)成的。因此，Web頁面訪問的相似性是Web會話相似性的基礎(chǔ)。為了吸引用戶，網(wǎng)站管理人員在設(shè)計網(wǎng)站結(jié)構(gòu)時總是把具有相似內(nèi)容的Web頁面放在盡可能接近的位置，因而從Web頁面的URL結(jié)構(gòu)可以觀察其靜態(tài)相似性?？傊?，由于數(shù)據(jù)預(yù)處理的結(jié)果是數(shù)據(jù)挖掘的數(shù)據(jù)源，預(yù)處理質(zhì)量對數(shù)據(jù)挖掘的結(jié)果有很大的影響。
　　 本文以高校校園網(wǎng)日志為