語義Web使用挖掘研究.pdf

1、隨著Web技術(shù)的快速發(fā)展及廣泛應(yīng)用,Internet上的Web頁面數(shù)目開始呈指數(shù)級的速度增長,如何結(jié)合語義知識來挖掘分析用戶對Web頁面的訪問行為成為一個重要的研究方向。這里分別從用戶的Web使用日志信息和Web頁面內(nèi)容信息著手,從語義距離計算、語義挖掘算法和結(jié)果序列的語義相似度分析這三個方面展開研究。
　　在語義距離計算方面,在已有的計算方法的基礎(chǔ)上加入頁面在日志數(shù)據(jù)中的出現(xiàn)概率信息,由頁面在本體層次樹中的深度、分支度和出現(xiàn)概率

2、這三個因素共同決定結(jié)點頁面的語義權(quán)值,進而得到任意兩個頁面間的語義距離信息。實驗表明,改進后的語義權(quán)值計算方法得到的結(jié)果更加合理和全面。
　　在語義挖掘算法方面,結(jié)合Mabroukeh提出的使用語義距離來輔助挖掘的理論思想,考慮到日志數(shù)據(jù)中訪問時間的有序性,以吳海燕提出的AprioriAll算法的連接條件為基礎(chǔ),加入改進后計算得到的語義距離信息,即在算法的連接步中除了要滿足已有的連接條件外還需要考慮兩個連接頁面的語義距離,如果大于

3、給定的語義距離值,則不再執(zhí)行連接操作。實驗表明,改進后的算法挖掘得到的頻繁語義訪問序列具有一定的語義相關(guān)性,算法的計算規(guī)模和執(zhí)行時間也得到了一定程度的改善。
　　在結(jié)果序列的語義相似度分析方面,結(jié)合本體和本體映射的相關(guān)理論,給出一種新的頁面本體的定義形式,以頁面前導(dǎo)符的形式按照頁面內(nèi)容詞組信息將所有的頁面統(tǒng)一組織,通過對比前導(dǎo)符、詞組及其他本體因素的相似度來綜合得到頁面內(nèi)容的語義相似程度,以此來對挖掘得到的訪問序列進行語義相似度的