基于序列模式的Web日志挖掘.pdf

1、隨著Internet的迅速發(fā)展，人們面對太多的信息無法選擇和消化，淹沒在繁雜的信息中，這種現(xiàn)象稱為信息過載。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檢索Web上的信息，但是大多數(shù)搜索引擎缺少主動性，沒有考慮用戶的興趣偏好和用戶的不同，無法有效地解決信息過載和信息迷失的問題。 直接或間接解決這個問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)站點的設(shè)計和服務(wù)，開展個性化服務(wù)和構(gòu)建智能Web站點。 針對上面提出的問題以及解決辦法，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)挖掘整個過程。本論文使用了基于序列模式的挖掘算法對Web日志進(jìn)行了挖掘，并對算法進(jìn)行了實驗，給出了實驗結(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，其中重點介紹了基于序列模式的Web日志挖掘技術(shù)。接下來論文詳細(xì)闡述了Web日志挖掘的整個過程，從Web日志數(shù)據(jù)的預(yù)處理工作(數(shù)據(jù)凈化、用戶識別、會話識別、路徑補(bǔ)充、事務(wù)識別)到使用序列模式對經(jīng)過預(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，并對算法進(jìn)行了詳細(xì)的