模糊集和語義知識的WEB日志挖掘技術(shù)研究.pdf

1、WEB挖掘技術(shù)作為網(wǎng)絡(luò)技術(shù)與數(shù)據(jù)挖掘技術(shù)的結(jié)合，已經(jīng)被越來越多的學(xué)者和研究人員重視。而WEB日志挖掘作為WEB挖掘技術(shù)的一個重要分支，旨在從大量訪問者的訪問行為歷史記錄中，挖掘用戶存取WEB頁面的模式，群體用戶或單個用戶的訪問模式和興趣，以便網(wǎng)站管理者可以據(jù)此改進(jìn)和優(yōu)化網(wǎng)站的結(jié)構(gòu)內(nèi)容，從而使網(wǎng)站的服務(wù)獲取更大的效益，也更加便利用戶的訪問；它是解決網(wǎng)站服務(wù)和訪問者之間供需矛盾的主要技術(shù)。 WEB日志挖掘技術(shù)主要針對服務(wù)器的日志文件

2、，采用數(shù)據(jù)挖掘的技術(shù)作相應(yīng)的處理。但是由于WEB日志本身具有半結(jié)構(gòu)化，噪音數(shù)據(jù)較多，不精確，不完備等諸多特點，傳統(tǒng)的以及優(yōu)化的數(shù)據(jù)挖掘技術(shù)在處理WEB日志時總存在不夠精確和貼切的問題，處理效果也不是很理想。然而，粗糙集和模糊集的出現(xiàn)和結(jié)合給我們在處理不完備和不精確數(shù)據(jù)方面提供了強有力的工具，因為他們正是針對這些特點提出的。另外，傳統(tǒng)的處理WEB日志的技術(shù)主要針對的是日志文件中的靜態(tài)頁面記錄，大多是基于語法的，缺乏對動態(tài)的頁面以及其中的語

3、義信息的處理。本文正是根據(jù)WEB日志的自身特點，針對日志文件中訪問時間和數(shù)據(jù)流量等連續(xù)屬性，結(jié)合粗糙集和模糊集提出了分解的基于模糊容差關(guān)系的粗集，并在處理WEB日志文件取得良好的效果。此外本文也針對日志文件中的語義信息，把語義知識和領(lǐng)域本體集成到WEB日志挖掘中，提出了語義日志模型---SWLM，并設(shè)計了基于SWLM的網(wǎng)頁聚類與用戶聚類的算法，研究了分布式集成本體融入WEB日志挖掘的技術(shù)，最后根據(jù)研究內(nèi)容設(shè)計了一個WEB日志挖掘系統(tǒng)。