面向網(wǎng)絡用戶行為模式發(fā)現(xiàn)的數(shù)據(jù)挖掘技術探索.pdf

1、自20世紀90年代以來,隨著信息技術的高速發(fā)展,互聯(lián)網(wǎng)在人們日常生活和工作中的地位越來越重要。廣闊的互聯(lián)網(wǎng)給人們帶來豐富信息資源的同時,也帶來了巨大的商機。各種互聯(lián)網(wǎng)服務和電子商務活動都取得了巨大的進展。用戶的需求就是商機,如何從用戶在Web服務器上留下的訪問信息中找出用戶訪問行為的規(guī)律和模式,成為電子商務服務提供者和數(shù)據(jù)挖掘研究者關注的焦點,由此產(chǎn)生了對Web日志挖掘技術的研究工作。
　　 本文主要的研究內容是Web日志挖掘中

2、關鍵步驟的理論和算法改進問題,并針對實例數(shù)據(jù)對改進的方法進行驗證。Web日志挖掘過程中數(shù)據(jù)預處理工作和模式挖掘工作是兩個最主要的階段。本文首先詳細的就數(shù)據(jù)預處理階段的各個處理環(huán)節(jié)進行研究分析,對每個環(huán)節(jié)的處理原則進行了總結,提出了相應的處理機制和算法實現(xiàn)。重點就用戶會話識別方法深入研究,針對目前常見的基于統(tǒng)一固定時間閾值的會話識別方法存在的無法適應頁面訪問多樣性的問題,提出了創(chuàng)新的個性化時間閾值構成方法,并將其和頁面引用方法相結合,給出

3、了新的用戶會話識別算法,然后通過實驗對方法進行了驗證。針對模式挖掘過程,本文主要研究從頻繁序列模式挖掘的角度進行用戶行為模式發(fā)現(xiàn)的方法。論文對頻繁序列發(fā)現(xiàn)的過程進行了分析,從關聯(lián)規(guī)則挖掘算法Apriori出發(fā),重點研究了對該算法進行修改從而應用到頻繁序列模式挖掘過程的改進算法。在研究分析該算法執(zhí)行過程和性能特點的基礎上指出了算法存在的缺陷和不足。針對挖掘結果過于冗余的問題,提出了新的改進思路,即引入多重因子約束的方法對挖掘過程進行修正,