基于Web用途數(shù)據(jù)預(yù)處理的聚類挖掘研究.pdf

1、超級(jí)鏈接,作為一種連接萬維網(wǎng)上分散信息的媒介,正以驚人的速度被大量使用.它在為我們提供豐富資訊的同時(shí),也對(duì)如何詳細(xì)的分析上網(wǎng)用戶的行為以及網(wǎng)上資源的特點(diǎn)提出了挑戰(zhàn).隨著網(wǎng)站的容量和復(fù)雜度的增加,只是對(duì)服務(wù)器日志簡(jiǎn)單地統(tǒng)計(jì)是遠(yuǎn)遠(yuǎn)不夠的;通過采用各種數(shù)據(jù)挖掘的手段對(duì)用戶的訪問記錄(日志)進(jìn)行處理加工從而發(fā)現(xiàn)隱含的有價(jià)值信息(知識(shí))正是網(wǎng)絡(luò)用途挖掘(Web Usage Mining)的目標(biāo)所在.該文在概述了數(shù)據(jù)挖掘和數(shù)據(jù)倉庫等有關(guān)知識(shí)的基礎(chǔ)上

2、,介紹了Web挖掘的基本概念,分類和發(fā)展現(xiàn)狀.在分析了數(shù)據(jù)預(yù)處理工作的意義后,詳細(xì)分析了面對(duì)海量的用途數(shù)據(jù),如何去粗取精,去偽存真,如何將原始的日志文件歸整加工成不同挖掘粒度,即用途數(shù)據(jù)預(yù)處理的整個(gè)過程;提出了完全擬合W3C提供的若干用途數(shù)據(jù)結(jié)構(gòu)的預(yù)處理模型,并通過實(shí)驗(yàn)驗(yàn)證了算法的合理性.繼而,又從數(shù)據(jù)預(yù)處理的角度,分析了聚類--這種數(shù)據(jù)挖掘功能的意義;介紹了各種適用于聚類操作的研究方法;針對(duì)由預(yù)處理階段得到的點(diǎn)擊流,采用尋找最長(zhǎng)共同子