基于關(guān)聯(lián)規(guī)則的web日志挖掘應(yīng)用研究.pdf

1、隨著社會(huì)信息化的發(fā)展，Internet越來(lái)越受到全世界各類(lèi)用戶(hù)的喜愛(ài)。他們不斷地登陸互聯(lián)網(wǎng)，在網(wǎng)上搜索、尋找自己所感興趣的話題和信息，從事一系列的網(wǎng)絡(luò)交互活動(dòng)。由于互聯(lián)網(wǎng)的用戶(hù)數(shù)量眾多、構(gòu)成復(fù)雜，互聯(lián)網(wǎng)的海量數(shù)據(jù)，以及互聯(lián)網(wǎng)處理的數(shù)據(jù)形式比較廣泛，迫切需要一種強(qiáng)大的處理技術(shù)的誕生。為了提供更高質(zhì)量的web服務(wù)，對(duì)web數(shù)據(jù)進(jìn)行挖掘成為一種重要的互聯(lián)網(wǎng)信息處理技術(shù)手段，web挖掘應(yīng)運(yùn)而生?；ヂ?lián)網(wǎng)一般采用的是客戶(hù)端/服務(wù)器結(jié)構(gòu)模式，后臺(tái)服務(wù)

2、器上存儲(chǔ)了大量潛在有價(jià)值的web日志文件。為了分析網(wǎng)絡(luò)用戶(hù)瀏覽網(wǎng)站的習(xí)慣和行為，改善網(wǎng)頁(yè)間的鏈接結(jié)構(gòu)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，提高網(wǎng)站的系統(tǒng)性能以及為用戶(hù)提供個(gè)性化的服務(wù)，可以應(yīng)用web日志挖掘技術(shù)對(duì)這些日志數(shù)據(jù)進(jìn)行模式發(fā)現(xiàn)。
　　 本文以面向研究生群體的小型論壇——安研星空論壇（http：//www.ahusky.cn）的日志文件中的數(shù)據(jù)作為挖掘處理的數(shù)據(jù)源，主要從以下幾個(gè)方面進(jìn)行了相關(guān)的闡述、分析和研究。首先，詳細(xì)介紹了課題的研究背景

3、及意義和國(guó)內(nèi)外的研究現(xiàn)狀；概述了數(shù)據(jù)挖掘產(chǎn)生、定義、過(guò)程、方法和應(yīng)用領(lǐng)域，以及未來(lái)的發(fā)展。其次闡述了web挖掘的分類(lèi)、特點(diǎn)、過(guò)程、技術(shù)和面臨的難題，接著分析了數(shù)據(jù)預(yù)處理的過(guò)程，指出了預(yù)處理過(guò)程中遇到的問(wèn)題。然后介紹了關(guān)聯(lián)規(guī)則挖掘的相關(guān)概念和關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法——Apriori算法，詳細(xì)介紹了Apriori算法的思想、處理步驟和算法過(guò)程，指出了Apriori算法用于web日志挖掘的不足之處，提出了基于網(wǎng)站訪問(wèn)結(jié)構(gòu)和數(shù)據(jù)庫(kù)壓縮的改進(jìn)策略