Web日志數(shù)據(jù)挖掘技術(shù)的研究.pdf

1、在Web數(shù)據(jù)挖掘研究領(lǐng)域中，Web日志挖掘是最重要的應(yīng)用研究方向之一。Web日志挖掘的目的是找出網(wǎng)站用戶的訪問(wèn)模式，其過(guò)程主要包含三個(gè)步驟：數(shù)據(jù)預(yù)處理、模式識(shí)別和模式分析。在研究Web日志及相關(guān)的數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上，提出一種基于鏈接的數(shù)據(jù)清理方法，利用網(wǎng)頁(yè)鏈接信息清理原始訪問(wèn)日志，使清理后的記錄更加準(zhǔn)確完整地反映用戶訪問(wèn)路徑。然后經(jīng)過(guò)用戶識(shí)別、會(huì)話識(shí)別、路徑補(bǔ)償?shù)炔襟E將日志記錄整理成適于挖掘的用戶訪問(wèn)序列；根據(jù)序列模式挖掘理論，提出基

2、于動(dòng)態(tài)矩陣預(yù)測(cè)的網(wǎng)頁(yè)實(shí)時(shí)推薦算法，首先通過(guò)會(huì)話編碼反映用戶訪問(wèn)路徑的先后順序，并利用動(dòng)態(tài)矩陣和滑動(dòng)窗篩選簡(jiǎn)化相似度計(jì)算，同時(shí)，整個(gè)過(guò)程中動(dòng)態(tài)矩陣對(duì)日志的掃描減少為一遍，從而在保證滿意度的基礎(chǔ)上實(shí)現(xiàn)了網(wǎng)頁(yè)在線實(shí)時(shí)推薦；通過(guò)對(duì)聚類(lèi)算法的分析，提出基于興趣相似性的Web用戶聚類(lèi)算法，利用日志記錄和網(wǎng)頁(yè)內(nèi)容綜合描述用戶瀏覽興趣，以提高聚類(lèi)的準(zhǔn)確性，應(yīng)用傳遞閉包法對(duì)用戶進(jìn)行聚類(lèi)分析，不同截集的劃分體現(xiàn)了用戶類(lèi)屬的模糊性，最終實(shí)現(xiàn)了依據(jù)瀏覽興趣對(duì)用