Web日志聚類分析及應(yīng)用.pdf

1、　　網(wǎng)絡(luò)技術(shù)的發(fā)展，特別是WWW技術(shù)的興起，使得人們對(duì)于信息的獲取更加的快捷和方便。但是這些新技術(shù)的使用同時(shí)也帶來不少弊端，比如大家在瀏覽網(wǎng)頁時(shí)，發(fā)現(xiàn)很難直接找到自己需要的信息，而是相反的好像淹沒在這海量的信息之中。
　　數(shù)據(jù)挖掘的提出在很大程度上解決此問題。本文對(duì)于數(shù)據(jù)挖掘的定義、數(shù)據(jù)挖掘的任務(wù)、數(shù)據(jù)挖掘中的對(duì)象、數(shù)據(jù)挖掘的分析方法都做了很詳盡的論述。數(shù)據(jù)挖掘最初主要使用在數(shù)據(jù)庫上。但數(shù)據(jù)挖掘的對(duì)象并不局限于數(shù)據(jù)庫，現(xiàn)在人們已經(jīng)

2、將數(shù)據(jù)挖掘的知識(shí)應(yīng)用到了Web領(lǐng)域上，用來從網(wǎng)絡(luò)信息當(dāng)中挖掘出潛在的、有用的模式來。基于Web的挖掘又分為三類，對(duì)日志的挖掘是屬于其中的使用挖掘。作為記錄了人們?cè)L問情況的網(wǎng)絡(luò)日志特別是服務(wù)器日志，因?yàn)槠溆兄潭ǖ慕Y(jié)構(gòu)，更容易進(jìn)行挖掘，而受到研究者的青睞。
　　本文就是在基于聚類的基礎(chǔ)上探討了日志挖掘中的各種問題。首先從理論的角度對(duì)聚類領(lǐng)域進(jìn)行了較為全面的探討，分析了聚類的基本模型，聚類中常見算法，聚類的有效性衡量的方法，然后結(jié)合了

3、日志的具體的特點(diǎn)，闡述了在日志挖掘?qū)τ诰垲惙治龅奶厥獾囊?。根?jù)文獻(xiàn)中已有的知識(shí)總結(jié)了日志挖掘的基本模型，詳細(xì)的闡述了日志挖掘中的每一個(gè)階段的內(nèi)容及在日志挖掘中的地位。特別對(duì)于日志的預(yù)處理中的問題，提出了日志的“臟數(shù)據(jù)”和“噪聲數(shù)據(jù)”兩個(gè)概念，并且對(duì)這兩個(gè)概念進(jìn)行了詳細(xì)的闡述并做了比較。這兩個(gè)概念的提出使得日志挖掘模型的步驟更加的清晰可行。
　　我們知道任何理論的最終目的都是應(yīng)用于實(shí)踐，日志挖掘也不例外。我們將日志挖掘得到的知識(shí)應(yīng)