Web日志中序列模式挖掘的研究.pdf

1、Web日志挖掘是數(shù)據(jù)挖掘中的一個重要應用，是用于信息處理的一門新技術(shù)，其中，序列模式挖掘作為 Web日志挖掘中的一個重要研究方向，主要用于挖掘 Web序列數(shù)據(jù)庫中頻繁出現(xiàn)的，有序的子序列，對于優(yōu)化Web站點和為用戶提供個性化服務(wù)具有重要的研究意義和實際應用價值。
　　本文主要研究以Web日志為對象的用戶訪問序列模式挖掘。通過對服務(wù)器日志文件中的用戶的訪問記錄做深入的分析，序列模式挖掘幫助找到用戶經(jīng)常訪問的頁面或者某種資源的模式，從

2、而有效改善 Web頁面的組織形式和 Web站點的架構(gòu)，提高網(wǎng)站的整體性能。在深入研究了Web挖掘以及序列模式挖掘相關(guān)理論和現(xiàn)有技術(shù)的基礎(chǔ)上，本文總結(jié)出現(xiàn)有序列模式挖掘算法的優(yōu)缺點，重點探討了基于 WAP-tree結(jié)構(gòu)的WAP-mine算法。針對傳統(tǒng)WAP-mine算法的不足，本文設(shè)計了一種新的MNWAP-mine算法，與傳統(tǒng)算法相比，該算法在挖掘Web日志序列模式時效率和性能都明顯提升。本文主要研究工作如下：
　　(1)首先，對W

3、AP-tree的結(jié)構(gòu)進行改進，采用一種基于Hash表的輔助存儲結(jié)構(gòu)輔助序列的查找，節(jié)省序列的查找時間；其次，針對傳統(tǒng)的WAP-mine算法在構(gòu)造WAP-tree過程中需兩次掃描完整的數(shù)據(jù)庫的不足，利用第一次掃描的結(jié)果，得到只包含頻繁項集的序列，這樣第二次掃描時就只需掃描包含頻繁項集的序列了。在人工合成數(shù)據(jù)集T10I4D100K和真實數(shù)據(jù)集retail上的實驗表明，兩方面的改進使得WAP-tree的創(chuàng)建效率相對于傳統(tǒng)算法明顯提高。