集成Web內(nèi)容挖掘和Web使用挖掘的研究.pdf

1、Web數(shù)據(jù)挖掘是從Web數(shù)據(jù)中發(fā)現(xiàn)有用的知識和模式的過程。根據(jù)Web數(shù)據(jù)的多樣性，Web數(shù)據(jù)挖掘被劃分成三個部分：Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘和Web使用挖掘。它們各自在不同的領(lǐng)域有著廣闊的應(yīng)用。 以往的相關(guān)研究大都是在各個部分深入進(jìn)行，關(guān)注于特定的應(yīng)用領(lǐng)域。盡管Web上的數(shù)據(jù)千差萬別，但它們之間有著復(fù)雜的聯(lián)系，就某一角度對他們單獨進(jìn)行研究顯得比較片面，得到的知識也是不全面、不夠準(zhǔn)確的。 基于以上考慮，通過分析Web內(nèi)

2、容挖掘的和使用挖掘各自的優(yōu)缺點，引入了把二者集成起來進(jìn)行研究的思路：在用戶訪問模式的聚類過程中，不僅考慮了用戶訪問的頁面序列，而且還考慮了不同序列上頁面之間在內(nèi)容上的相似性。這樣將用戶的行為和興趣結(jié)合起來，提高了聚類結(jié)果的準(zhǔn)確性。 為了得到更準(zhǔn)確的訪問模式的聚類結(jié)果，在計算兩模式相似性的過程中，在前人優(yōu)秀的研究成果的基礎(chǔ)上，將模式的頁面序列分解成相同的部分和不同的部分，對兩部分分別進(jìn)行計算，然后進(jìn)行求和和歸一化。這樣給用戶訪問順