改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法在網(wǎng)絡(luò)用戶訪問日志分析中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘，又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，在最近幾年里已被數(shù)據(jù)庫(kù)界所廣泛研究。數(shù)據(jù)挖掘是致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內(nèi)部蘊(yùn)藏知識(shí)的技術(shù)，從而已成為未來信息技術(shù)應(yīng)用的重要目標(biāo)之一。從目前的現(xiàn)狀看，大部分學(xué)者認(rèn)為數(shù)據(jù)挖掘的研究仍然處于廣泛研究和探索階段，迫切需要在基礎(chǔ)理論、應(yīng)用模式、系統(tǒng)構(gòu)架以及挖掘算法和挖掘語言等方面進(jìn)行創(chuàng)新。其中關(guān)聯(lián)規(guī)則的挖掘是數(shù)據(jù)挖掘中的一個(gè)重要的課題，最近幾年已被學(xué)術(shù)界所廣泛研究。關(guān)聯(lián)規(guī)則反映了一個(gè)事務(wù)與其他事物之間的相互

2、依存性和關(guān)聯(lián)性。如果兩個(gè)或者多個(gè)事物之間存在一定的關(guān)聯(lián)關(guān)系，那么其中一個(gè)事物就能夠通過其它事物預(yù)測(cè)到。同時(shí)，隨著 Internet/web技術(shù)的發(fā)展，特別是電子商務(wù)的蓬勃發(fā)展為網(wǎng)絡(luò)應(yīng)用提供了廣闊的發(fā)展空間，如何在WWW這個(gè)全球最大的數(shù)據(jù)集合中發(fā)現(xiàn)有用信息無疑將成為數(shù)據(jù)挖掘研究的熱點(diǎn)。鑒于商務(wù)網(wǎng)絡(luò)中日益增長(zhǎng)的各類數(shù)據(jù)，如果對(duì)用戶的訪問行為做深入的分析，挖掘出對(duì)企業(yè)有用的知識(shí)，這無疑可為企業(yè)在把握用戶意向、優(yōu)化網(wǎng)站使用效率、預(yù)測(cè)產(chǎn)品的市場(chǎng)形

3、勢(shì)等方面提供有價(jià)值的參照依據(jù)。面對(duì)商務(wù)網(wǎng)絡(luò)的多樣性和實(shí)用性，如何改進(jìn)一些傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法的效率、研究更有效的新算法是一個(gè)非常有意義的課題。因此，本文針對(duì)這一課題開展了一些相關(guān)的研究工作。 到目前為止，對(duì)挖掘關(guān)聯(lián)規(guī)則的研究已經(jīng)產(chǎn)生了各種不同的挖掘算法。其中有：多循環(huán)方式的挖掘方法、并行挖掘方法、增量式更新方法、基于約束的挖掘方法、基于多值屬性的挖掘方法等。此外，與關(guān)聯(lián)規(guī)則挖掘相關(guān)領(lǐng)域的研究還包括：廣義關(guān)聯(lián)規(guī)則、關(guān)聯(lián)規(guī)則的維護(hù)

4、、有價(jià)值關(guān)聯(lián)規(guī)則的判別等。 本文針對(duì)關(guān)聯(lián)規(guī)則在網(wǎng)絡(luò)用戶訪問日志的挖掘做了以下研究工作： 1．深入學(xué)習(xí)了數(shù)據(jù)挖掘技術(shù)，包括它的基本概念、基本原理、主要算法、以及數(shù)據(jù)挖掘的主要流程等；深入學(xué)習(xí)Web數(shù)據(jù)挖掘的基本知識(shí)、流程、以及研究和發(fā)展?fàn)顩r。 2．在上述研究的基礎(chǔ)上，對(duì)關(guān)聯(lián)分析中關(guān)聯(lián)規(guī)則挖掘算法FP Growth算法展開具體的研究，并提出了一種改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法，算法不再需要根據(jù)頭指針表和FP樹生成條件子樹而挖