Web日志中加權(quán)序列模式挖掘研究.pdf

1、序列模式挖掘是在指定的序列數(shù)據(jù)集中發(fā)現(xiàn)滿足最小支持度的所有頻繁序列，目前在電子商務(wù)領(lǐng)域中獲得了廣泛的應(yīng)用。傳統(tǒng)序列模式挖掘算法存在兩個(gè)缺點(diǎn)：第一，對(duì)所有序列和所有項(xiàng)同等對(duì)待，而實(shí)際上序列和項(xiàng)具有不同的重要性；第二，傳統(tǒng)序列模式挖掘算法在面臨大數(shù)據(jù)集時(shí)，仍產(chǎn)生大量的候選序列；傳統(tǒng)算法只能通過提高最小支持度來減少產(chǎn)生的候選序列，而沒有提供其他途徑。
　　 Web日志中序列模式挖掘過程包括數(shù)據(jù)集收集、數(shù)據(jù)集預(yù)處理、發(fā)掘模式和分析模式，

2、挖掘過程中每個(gè)步驟結(jié)果作為下一步驟的輸入數(shù)據(jù)，所以每個(gè)步驟均會(huì)影響到最終的模式結(jié)果。本文在研究分析SPAM算法和WARM算法的基礎(chǔ)上，結(jié)合兩者的優(yōu)點(diǎn)提出了WSPAM算法。WSPAM算法有兩個(gè)主要特點(diǎn)：第一，WSPAM算法引入權(quán)值來挖掘出少量且重要的序列模式，針對(duì)引入權(quán)值時(shí)向下閉包屬性失效問題，使用WARM算法的加權(quán)支持度來解決；第二，WSPAM算法采用TPV_Set(事務(wù)位置向量集)結(jié)構(gòu)表示序列，改善了SPAM占用內(nèi)存大的缺點(diǎn)。最后本文