基于序列模式的Web日志挖掘.pdf

1、隨著Internet的迅速發(fā)展，人們面對(duì)太多的信息無(wú)法選擇和消化，淹沒(méi)在繁雜的信息中，這種現(xiàn)象稱為信息過(guò)載。Internet上信息資源分布的廣泛性又給用戶尋找感興趣的信息增加了困難，用戶不知道如何更有效地發(fā)現(xiàn)自己所需的信息資源，即信息迷失。當(dāng)前我們主要采用搜索引擎來(lái)檢索Web上的信息，但是大多數(shù)搜索引擎缺少主動(dòng)性，沒(méi)有考慮用戶的興趣偏好和用戶的不同，無(wú)法有效地解決信息過(guò)載和信息迷失的問(wèn)題。 直接或間接解決這個(gè)問(wèn)題的途徑之一就是將

2、數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web服務(wù)器日志的挖掘，從用戶在Web上瀏覽行為數(shù)據(jù)中獲取用戶的瀏覽模式，根據(jù)用戶的行為模式，改進(jìn)站點(diǎn)的設(shè)計(jì)和服務(wù)，開(kāi)展個(gè)性化服務(wù)和構(gòu)建智能Web站點(diǎn)。 針對(duì)上面提出的問(wèn)題以及解決辦法，本論文系統(tǒng)地闡述了從數(shù)據(jù)挖掘、Web數(shù)據(jù)挖掘到Web日志數(shù)據(jù)挖掘整個(gè)過(guò)程。本論文使用了基于序列模式的挖掘算法對(duì)Web日志進(jìn)行了挖掘，并對(duì)算法進(jìn)行了實(shí)驗(yàn)，給出了實(shí)驗(yàn)結(jié)果，證明了本方法的有效性。 本論文首先介紹了當(dāng)前Inte

3、rnet的發(fā)展以及數(shù)據(jù)挖掘在Web中的應(yīng)用，并著重介紹了數(shù)據(jù)挖掘的相關(guān)概念以及技術(shù)，然后介紹了數(shù)據(jù)挖掘領(lǐng)域中Web日志挖掘相關(guān)方法，其中重點(diǎn)介紹了基于序列模式的Web日志挖掘技術(shù)。接下來(lái)論文詳細(xì)闡述了Web日志挖掘的整個(gè)過(guò)程，從Web日志數(shù)據(jù)的預(yù)處理工作(數(shù)據(jù)凈化、用戶識(shí)別、會(huì)話識(shí)別、路徑補(bǔ)充、事務(wù)識(shí)別)到使用序列模式對(duì)經(jīng)過(guò)預(yù)處理的數(shù)據(jù)進(jìn)行挖掘的方法。在Web日志挖掘算法中，使用了一種基于廣度優(yōu)先的序列模式挖掘算法，并對(duì)算法進(jìn)行了詳細(xì)的