基于日志的Web訪問信息挖掘.pdf

1、隨著Internet應(yīng)用的迅速發(fā)展,網(wǎng)絡(luò)上信息迅速增長,信息種類也越來越多,人們面對(duì)太多的信息無法選擇和消化,此種現(xiàn)象稱為信息過載。Internet上信息資源分布的廣泛性又給用戶尋找感興趣的信息增加了困難,也就是所謂的信息迷失。如何從這些繁瑣數(shù)據(jù)中得到大家都看得懂的、有價(jià)值的信息和知識(shí)是我們面臨的問題。所以,出現(xiàn)了數(shù)據(jù)挖掘在Web站點(diǎn)分析中的應(yīng)用,即Web挖掘。 基于日志的Web訪問信息挖掘是Web挖掘領(lǐng)域中的一個(gè)重要應(yīng)用研究方

2、向。為用戶提供一個(gè)不僅內(nèi)容豐富而且方便使用的優(yōu)秀網(wǎng)站,以吸引大量的用戶,這是每個(gè)網(wǎng)站所追求的目標(biāo)。Web站點(diǎn)能否實(shí)現(xiàn)個(gè)性化,為用戶提供個(gè)性化的服務(wù),成為衡量站點(diǎn)能否成功的重要因素。通過挖掘Web日志,發(fā)現(xiàn)用戶的訪問模式,對(duì)優(yōu)化站點(diǎn)結(jié)構(gòu)和為用戶提供個(gè)性化服務(wù)具有重要的意義。 本文主要研究了基于Web日志的用戶訪問模式挖掘,對(duì)基于搜索引擎查詢?nèi)罩镜膮f(xié)作推薦也進(jìn)行了一定的研究,主要工作如下： 1.Web訪問信息挖掘的方法研究。

3、詳細(xì)的研究和探討了Web訪問信息挖掘的整個(gè)過程,包括：數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、模式發(fā)現(xiàn)、模式分析及應(yīng)用。 2.詳述了硬K-均值聚類算法和模糊K-均值聚類算法的基本思想和算法步驟,對(duì)模糊K-均值聚類算法中的中心初始化問題進(jìn)行了較為詳細(xì)的研究,并提出了一種改進(jìn)的有效性函數(shù)運(yùn)用于中心初始化中,利用該有效性函數(shù)可以有效地發(fā)現(xiàn)最優(yōu)中心數(shù)目。 3.提出了一種改進(jìn)的Web用戶和URL聚類方法,該算法有效地綜合了用戶瀏覽時(shí)間和訪問次數(shù),并