基于交集關(guān)系的Web日志挖掘研究.pdf

1、Web挖掘是將數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web環(huán)境，也就是從Web文檔或Web活動中發(fā)現(xiàn)和抽取潛在的、有效的、新穎的或用戶感興趣的模式和知識。按不同研究對象可以將Web挖掘分為：Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘和Web日志挖掘。通過對Web日志進(jìn)行挖掘，可以幫助站點(diǎn)管理者發(fā)現(xiàn)用戶的瀏覽模式，理解用戶的意圖和行為；改善Web服務(wù)器的性能和設(shè)計(jì)；提供個(gè)性化服務(wù)和在電子商務(wù)中發(fā)現(xiàn)潛在客戶群等等。本文在介紹Web日志挖掘的基礎(chǔ)上，研究利用交集關(guān)系來解決用

2、戶頻繁訪問模式挖掘方面的問題；同時(shí)考慮到內(nèi)容頁與導(dǎo)航頁的不同，提出目標(biāo)頻繁訪問模式這個(gè)概念。本文的主要工作如下： (1)詳細(xì)介紹了Web挖掘的概念、分類、特點(diǎn)以及Web挖掘的應(yīng)用領(lǐng)域和研究方向。詳細(xì)論述了Web日志挖掘的概念、研究對象、應(yīng)用、研究方向以及相關(guān)技術(shù)等等；同時(shí)介紹了基于事務(wù)的Web日志挖掘過程的三個(gè)階段：數(shù)據(jù)預(yù)處理階段、模式發(fā)現(xiàn)階段和模式分析階段，并重點(diǎn)介紹了一種經(jīng)典的事務(wù)識別算法——最大前向引用(MFR)算法。

3、 (2)論文在類Apriori算法的基礎(chǔ)上，提出了基于交集關(guān)系的一個(gè)發(fā)現(xiàn)用戶頻繁訪問模式的算法——GITC算法。通過理論分析和實(shí)驗(yàn)驗(yàn)證，該算法可以有效地發(fā)現(xiàn)用戶頻繁訪問模式。最小支持度閾值偏小時(shí)，該算法性能很好。 (3)鑒于Web日志挖掘中導(dǎo)航頁與內(nèi)容頁的不同，提出了目標(biāo)頻繁訪問模式這個(gè)概念、挖掘目標(biāo)頻繁訪問模式的MTFAP算法以及目標(biāo)頻繁訪問模式的應(yīng)用方法。利用目標(biāo)頻繁訪問模式，我們可以預(yù)測用戶瀏覽頁面的意圖。 (