Web用戶(hù)訪(fǎng)問(wèn)路徑聚類(lèi)方法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，信息快速增長(zhǎng)與人們個(gè)性化需求的矛盾在不斷地增加，而Web用戶(hù)訪(fǎng)問(wèn)路徑聚類(lèi)正是解決這一矛盾的有效手段之一。通過(guò)對(duì)Web用戶(hù)訪(fǎng)問(wèn)路徑聚類(lèi)，可以發(fā)現(xiàn)用戶(hù)興趣、個(gè)性及共性特征，可以抽取一段時(shí)期內(nèi)用戶(hù)訪(fǎng)問(wèn)行為特征的分布模式。目前路徑聚類(lèi)方法，不僅對(duì)路徑相似度定義不夠充分，而且聚類(lèi)算法很難滿(mǎn)足用戶(hù)訪(fǎng)問(wèn)的不確定性、非單一性特點(diǎn)。因此，論文針對(duì)Web用戶(hù)訪(fǎng)問(wèn)路徑的聚類(lèi)方法進(jìn)行了研究。
　　 首先，為了更好的對(duì)Web用戶(hù)訪(fǎng)

2、問(wèn)路徑進(jìn)行聚類(lèi)，從系統(tǒng)論的角度出發(fā)，提出了一種基于路徑特征差異的相似度計(jì)算方法，該方法充分考慮到了頁(yè)面訪(fǎng)問(wèn)中的各種特征。比如，新方法不僅考慮了用戶(hù)訪(fǎng)問(wèn)頁(yè)面的時(shí)間特征、頻率特征，而且考慮了訪(fǎng)問(wèn)序列的順序關(guān)系以及最長(zhǎng)公共子頁(yè)面系統(tǒng)特征，因此很大程度地提高了相似度計(jì)算的準(zhǔn)確性。而且，對(duì)比試驗(yàn)驗(yàn)證了新方法在實(shí)際應(yīng)用中更科學(xué)更合理。
　　 其次，考慮到Web用戶(hù)訪(fǎng)問(wèn)具有不確定性、非單一性的特點(diǎn)，針對(duì)這種不確定性聚類(lèi)，提出了一種高效的模糊可

3、能性聚類(lèi)算法(FPL：Fuzzy PossibilisticLeader Clustering Algorithm)。該算法在聚類(lèi)過(guò)程中能很好的處理模糊邊界問(wèn)題。由于結(jié)合了模糊集和可能性理論的優(yōu)點(diǎn)，F(xiàn)PL算法在一定程度上能克服噪聲數(shù)據(jù)或聚類(lèi)中心的影響。對(duì)類(lèi)特征模糊或類(lèi)之間具有交叉的數(shù)據(jù)，通過(guò)我們定義的截集自動(dòng)地將這些數(shù)據(jù)分到若干個(gè)類(lèi)中，實(shí)現(xiàn)了交叉聚類(lèi)。另外，新方法中減少了閾值使用個(gè)數(shù)，減少了人為的干預(yù)，增加了聚類(lèi)的客觀(guān)準(zhǔn)確性。
　

4、　 最后，論文結(jié)合Web用戶(hù)訪(fǎng)問(wèn)特點(diǎn)，針對(duì)Web用戶(hù)訪(fǎng)問(wèn)路徑聚類(lèi)分析中普遍存在的對(duì)象類(lèi)別不確定性現(xiàn)象進(jìn)行了研究。在前面研究工作的基礎(chǔ)上，提出來(lái)一種新的Web用戶(hù)訪(fǎng)問(wèn)路徑的可能性模糊聚類(lèi)新算法。新方法通過(guò)定義相關(guān)的截集，自動(dòng)地將對(duì)象分配到若干簇中，避免了人工干預(yù)，實(shí)現(xiàn)了路徑交叉聚類(lèi)的目的。由于新方法是建立在Leader聚類(lèi)算法的框架上，只需要掃描數(shù)據(jù)集一遍使得算法效率大大提高。在標(biāo)準(zhǔn)數(shù)據(jù)集上的對(duì)比試驗(yàn)表明新算法不僅是有效的，而且效率較高