基于Web日志的頻繁瀏覽路徑挖掘技術(shù)研究.pdf

1、頻繁瀏覽路徑的挖掘是Web使用挖掘中的一個重要研究領(lǐng)域，它對于電子商務網(wǎng)站的商業(yè)決策、改善網(wǎng)站建設等都有現(xiàn)實的指導意義。通過對大量文獻的研究，本文提出了兩種基于Web日志的頻繁路徑的挖掘算法。
　　 一、提出了一種新的基于Web日志的挖掘用戶瀏覽偏愛路徑的方法。首先，綜合考慮影響用戶瀏覽興趣的Web日志中的瀏覽次數(shù)、瀏覽時間和瀏覽接收字節(jié)數(shù)等因素，采用算術(shù)法求解興趣度；其次以瀏覽興趣度為基本元素，以“三矩陣”為數(shù)據(jù)結(jié)構(gòu)實現(xiàn)挖掘算

2、法，這種“三矩陣”的數(shù)據(jù)結(jié)構(gòu)避免了多次頻繁瀏覽數(shù)據(jù)庫，提高了算法的效率。以存儲矩陣為基礎建立會話矩陣和路徑矩陣后，再在會話矩陣上采用兩個頁面向量夾角余弦作為相似用戶的頁面距離公式進行頁面聚類，求得相似用戶的相關(guān)頁面集。本文采用的計算頁面距離的公式，解決了Humming距離的不足之處，全面考慮了Web日志中多種因素對頁面距離產(chǎn)生的影響，得到的相關(guān)頁面集更精確，相似度更高，進而提高了算法的準確性；最后利用路徑選擇偏愛度在相似用戶的路徑矩陣上

3、挖掘出相似用戶的瀏覽偏愛路徑。
　　 二、提出了一種基于Web日志的用戶連續(xù)頻繁路徑的挖掘算法。采用多元線性回歸的方式實現(xiàn)了興趣度的線性求解；其次將瀏覽興趣度作為一個屬性，根據(jù)不同需求生成三種Web瀏覽樹，此瀏覽樹不僅解決了連續(xù)可回溯路徑的描述問題，而且可以全面反映用戶瀏覽情況，使結(jié)果更全面，更實用；以三種瀏覽樹為前提，生成倒序單子樹序列，在經(jīng)過整合倒序單子樹后的RT樹上挖掘出頻繁瀏覽路徑。
　　 本文提出的兩種算法不僅