基于粗糙集約簡(jiǎn)的Web日志挖掘研究與實(shí)現(xiàn).pdf

1、隨著Internet技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為人們?nèi)粘Ｉ钪袕耐饨绔@取信息不可缺少的手段。從政府機(jī)關(guān)和各企業(yè)公司到個(gè)人生活，都離不開互聯(lián)網(wǎng)。但是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，Web網(wǎng)站的規(guī)模與復(fù)雜度也在不斷地增長(zhǎng)，導(dǎo)致了Internet網(wǎng)絡(luò)資源過于廣泛，這使得廣大的訪問者迷失在大量的網(wǎng)絡(luò)資源中，無法找到自己關(guān)注的信息。各個(gè)網(wǎng)站經(jīng)營(yíng)者想要提高自己網(wǎng)站的訪問量，需采用各種手段與工具優(yōu)化網(wǎng)站，以提供給用戶一個(gè)個(gè)性化的服務(wù)。解決這一問題的一個(gè)有效方法

2、是將數(shù)據(jù)挖掘理論與技術(shù)應(yīng)用到Web日志上，即Web日志挖掘(也稱Web使用挖掘)。數(shù)據(jù)挖掘是信息系統(tǒng)智能化的重要手段之一，是從大量的模糊的、不完全的、隨機(jī)的數(shù)據(jù)中挖掘出有效的、有意義的知識(shí)和規(guī)則。
　　 Web日志挖掘的數(shù)據(jù)主要來源于網(wǎng)站服務(wù)器端、客戶端、代理服務(wù)器端，由于網(wǎng)站每天的訪問量是非常巨大的，所以Web日志數(shù)據(jù)一般會(huì)是大量的、冗余的、不確定的。而粗糙集理論是一種處理不精確、不相容、不完全數(shù)據(jù)的有效工具。粗糙集約簡(jiǎn)理論在

3、處理海量數(shù)據(jù)，消除冗余知識(shí)等方面取得了很好的效果。在Web日志挖掘的模式發(fā)現(xiàn)階段前，應(yīng)用粗糙集的屬性約簡(jiǎn)理論可以去掉Web日志中的大量冗余數(shù)據(jù)，精簡(jiǎn)原有知識(shí)，從而提高模式挖掘的效率。
　　 本文首先闡述了粗糙集理論的基礎(chǔ)知識(shí)，為后面粗糙集屬性約簡(jiǎn)理論的研究做了一個(gè)理論鋪墊。從粗糙集約簡(jiǎn)代數(shù)定義出發(fā)，研究了各種約簡(jiǎn)算法，并比較了幾種約簡(jiǎn)算法的特點(diǎn)和性能。針對(duì)屬性重要度的代數(shù)和信息兩種不同表示方式的討論后，得出對(duì)論域中對(duì)象的分類，從