Web日志挖掘相關(guān)技術(shù)及算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展與快速普及，Web站點(diǎn)無(wú)論在訪問(wèn)量、大小還是在網(wǎng)站設(shè)計(jì)的復(fù)雜度上都以驚人的速度增長(zhǎng)著，在給人們帶來(lái)豐富信息和極大便利的同時(shí)，也對(duì)自身的設(shè)計(jì)和功能提出了更高的要求。如何了解用戶(hù)的興趣和愛(ài)好，分析用戶(hù)的瀏覽行為，使站點(diǎn)結(jié)構(gòu)變得更加合理，更好的挖掘站點(diǎn)潛在的商業(yè)價(jià)值，解決這些問(wèn)題的途徑之一就是將傳統(tǒng)數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web日志挖掘，并針對(duì)Web日志的新特性，對(duì)傳統(tǒng)挖掘方法進(jìn)行擴(kuò)展和改進(jìn)。目前，Web日志挖掘已經(jīng)成為國(guó)際上一個(gè)新

2、興的重要研究領(lǐng)域，其研究工作具有非常重要的現(xiàn)實(shí)意義。 本文系統(tǒng)地闡述了論文的研究背景及Web日志挖掘的整個(gè)過(guò)程。首先，在日志預(yù)處理過(guò)程中，結(jié)合用戶(hù)瀏覽行為和基于內(nèi)存的挖掘算法提出了一種新的最大向前引用識(shí)別用戶(hù)訪問(wèn)事務(wù)識(shí)別方法(IMFR)，該方法可以有效避免用戶(hù)不感興趣的導(dǎo)航頁(yè)面對(duì)挖掘結(jié)果的干擾。其次，在對(duì)頻繁模式算法和FP—tree進(jìn)行了深入研究的基礎(chǔ)上，提出了IFP—tree構(gòu)造算法，采用動(dòng)態(tài)節(jié)點(diǎn)插入技術(shù)構(gòu)造頻繁模式樹(shù)，該算法

3、可以有效縮小樹(shù)的寬度以達(dá)到壓縮數(shù)據(jù)空間的目的，同時(shí)提高前綴路徑的共享性，使基于此樹(shù)的挖掘算法具有更高的效率。再次，本文在IFP—tree結(jié)構(gòu)的基礎(chǔ)上對(duì)最大頻繁模式挖掘算法FPmax進(jìn)一步優(yōu)化，提出了IFPmax算法，利用結(jié)點(diǎn)的秩進(jìn)行子集檢測(cè)前的預(yù)判斷，根據(jù)最大頻繁模式的性質(zhì)對(duì)已經(jīng)存在的結(jié)點(diǎn)進(jìn)行標(biāo)記，有效避免了結(jié)點(diǎn)的冗余遍歷，為最大頻繁模式挖掘算法提高了時(shí)間效率。最后，通過(guò)實(shí)驗(yàn)證明改進(jìn)算法的優(yōu)越性，結(jié)果表明在數(shù)據(jù)庫(kù)較大或最小支持度較低時(shí)性