Web挖掘技術(shù)在Web預(yù)取中的應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)信息的飛速增長，Internet發(fā)展為當(dāng)今世界上規(guī)模最大的信息庫，己成為人們獲取信息資源的重要來源。伴隨計(jì)算能力的增長，智能算法的運(yùn)用及大規(guī)模數(shù)據(jù)存儲技術(shù)的成熟，面對繽紛復(fù)雜的Web空間，如何從海量數(shù)據(jù)的網(wǎng)絡(luò)中發(fā)掘所需信息成為人們所關(guān)注的一個主要問題。 由于受限于網(wǎng)絡(luò)帶寬，用戶往往需要忍受較長的訪問延時，如何減少延時就成了進(jìn)一步要研究的問題。Web挖掘技術(shù)是數(shù)據(jù)挖掘技術(shù)在WWW上的應(yīng)用，它從大量的WWW資源中提取出隱藏的

2、有用信息，提高WWW的服務(wù)效率，把這一技術(shù)應(yīng)用于網(wǎng)頁預(yù)取，通過在用戶瀏覽當(dāng)前網(wǎng)頁的時間內(nèi)提取用戶將來最有可能訪問的網(wǎng)頁來降低訪問延時，對于提高Web服務(wù)的質(zhì)量，具有十分重要的現(xiàn)實(shí)意義和廣泛的應(yīng)用前景。 本文在介紹Web挖掘和Web預(yù)取的基礎(chǔ)上，首先分析利用Markov模型和序列模式分析進(jìn)行預(yù)取模型構(gòu)造的方法。Web日志挖掘是通過分析Web日志記錄以發(fā)現(xiàn)用戶訪問Web頁面的模式，在Web日志挖掘中，會話識別是影響到Web日志挖掘的

3、重要因素，我們對傳統(tǒng)的會話識別方法進(jìn)行改進(jìn)，提出基于統(tǒng)計(jì)特征的會話識別方法，通過使用統(tǒng)計(jì)值來動態(tài)設(shè)定訪問時間閡值來識別會話。 Markov預(yù)取模型是基于歷史的預(yù)取模型，是對用戶以往的使用記錄的統(tǒng)計(jì)，再根據(jù)這些統(tǒng)計(jì)信息來決定預(yù)取。為了幫助人們更有效地從Web上獲取知識，我們改進(jìn)了沒有考慮到頁面的重要程度以及網(wǎng)站結(jié)構(gòu)對頁面預(yù)耿影響的傳統(tǒng)的Markov模型，提出的CPM模型。它能結(jié)合頁面內(nèi)容及站點(diǎn)結(jié)構(gòu)來調(diào)整狀態(tài)轉(zhuǎn)移矩陣。我們在真實(shí)數(shù)據(jù)