基于站點(diǎn)訪問矩陣的Web日志聚類方法分析與改進(jìn).pdf

1、通過對Web日志進(jìn)行挖掘,站點(diǎn)管理者可以發(fā)現(xiàn)用戶的瀏覽模式,了解不同用戶的興趣和整個站點(diǎn)頁面的訪問情況,從而可以通過調(diào)整網(wǎng)站的邏輯組織結(jié)構(gòu)來優(yōu)化其拓?fù)浣Y(jié)構(gòu)。目前,一些用于從Web日志中挖掘用戶訪問模式的算法還存在很多缺陷,如:未考慮對頁面的訪問順序；僅將訪問頻度作為聚類的依據(jù)；相似度度量時,只考慮”0”、”1”特征值間的差異,卻忽略實(shí)際訪問次數(shù)等重要因素。針對以上問題,本文提出兩種改進(jìn)的Web日志聚類算法,有效提高挖掘準(zhǔn)確度。本文的主要

2、工作分為以下幾個方面。
　　 首先,本文描述最長相同順序路徑系數(shù).SOR、訪問頻率興趣度-FP、以及訪問時間興趣度-TP等概念,從而設(shè)計綜合訪問興趣度-CP計算模型,以此為基礎(chǔ),提出基于站點(diǎn)訪問矩陣的頻繁訪問路徑挖掘算法-FVPMA。算法的主要思想是:計算每兩個頁面之間的綜合訪問興趣度,將其與綜合訪問興趣度閾值進(jìn)行比較,以此類推,得到頻繁訪問子路徑2-項(xiàng)集。然后,對子路徑集中的元素進(jìn)行合并,最終得到頻繁訪問路徑集。實(shí)驗(yàn)表明,FV

3、PMA算法能較好地提高挖掘準(zhǔn)確度。另外,將FVPMA算法作為MFLMA算法的理論依據(jù)與技術(shù)支持。
　　 其次,本文描述Users最長公共訪問路徑系數(shù)-UPP、余弦相似度等概念,從而設(shè)計一種新穎的相似度度量模型,用于求取用戶間、以及頁面間的綜合相似度。對其進(jìn)一步研究,提出基于站點(diǎn)訪問矩陣的多能Web日志挖掘算法.MFLMA。該算法摒棄以單一因素作為挖掘條件的缺陷,綜合考慮多種與Web頁面訪問相關(guān)的因素。算法的主要思想是:計算每兩個

4、用戶之間的綜合相似度,以此類推,得到綜合相似度矩陣,以該矩陣為基礎(chǔ),計算綜合相似度閾值,從而獲取2-項(xiàng)子用戶集,然后,對子用戶集中的元素進(jìn)行合并,最終得到相似訪問用戶集；獲取頻繁訪問路徑集的過程與獲取用戶集的過程類似。MFLMA算法能較好地獲取兩個挖掘結(jié)果集,分別為相似訪問用戶集與頻繁訪問路徑集。
　　 最后,對實(shí)際挖掘過程進(jìn)行探討。以多能Web日志挖掘算法.MFLMA為核心算法,設(shè)計多能Web日志挖掘模型,從而實(shí)現(xiàn)多能Web日