數(shù)據(jù)挖掘?qū)eb訪問日志的深度分析.pdf

1、隨著計算機技術(shù)的發(fā)展和Internet的普及，Web數(shù)據(jù)突破傳統(tǒng)意義上的數(shù)據(jù)格式的限制，它變得越來越重要，成為web用戶更好的獲得信息地一個有效的途徑。Web日志數(shù)據(jù)是記錄用戶對Web站點訪問信息的數(shù)據(jù)，保存有大量的路徑信息，通過挖掘這些日志信息所得到的用戶訪問模式，在個性化信息服務(wù)、改進門戶站點設(shè)計和服務(wù)、開展有針對性的電子商務(wù)、構(gòu)建智能化Web站點、提高網(wǎng)站的聲譽和效益等方面都將起到重要的作用。但由于Web數(shù)據(jù)及應(yīng)用的特殊性，使得傳

2、統(tǒng)的挖掘技術(shù)不能直接應(yīng)用在Web挖掘中。本文的目的在于通過使用Web日志挖掘技術(shù)從用戶訪問網(wǎng)頁的行為中發(fā)現(xiàn)用戶的頻繁遍歷路徑，從而了解用戶的瀏覽習(xí)慣。本文比較系統(tǒng)、全面地分析和論述了數(shù)據(jù)挖掘技術(shù)以及Web挖掘技術(shù)，著重研究了Web日志挖掘過程中各環(huán)節(jié)的關(guān)鍵技術(shù)。 Web日志挖掘中的數(shù)據(jù)預(yù)處理工作關(guān)系到挖掘的質(zhì)量，論文就此進行了深入的研究，提出一個包括源數(shù)據(jù)準備、數(shù)據(jù)清洗、用戶識別、會話識別、路徑補充、格式化等過程的預(yù)處理模型，在

3、此模型基礎(chǔ)上，根據(jù)常州機電職業(yè)技術(shù)學(xué)院某用戶的日志信息，實現(xiàn)了對用戶Web訪問路徑的挖掘，并應(yīng)用關(guān)聯(lián)規(guī)則和類Apriori算法挖掘出該用戶的頻繁訪問路徑。最后，通過對關(guān)聯(lián)規(guī)則的Apriori算法和目前針對提高該算法效率的各種優(yōu)化技術(shù)的詳細分析和研究，對類Apriori算法進行了改進，提出了基于篩選壓縮的類Apriori挖掘算法，并進行了模擬實驗，比較結(jié)果顯示基于篩選壓縮的類Apriori挖掘算法挖掘用戶頻繁遍歷路徑的效率高于類Aprio