基于WAP樹棧Web用戶瀏覽模式挖掘.pdf

1、隨著數(shù)據(jù)挖掘技術的發(fā)展,人們嘗試將該技術運用于Web,形成了Web挖掘技術,Web用戶瀏覽模式挖掘是Web挖掘的一個重要研究方向。Web用戶瀏覽模式挖掘是通過對Web站點服務器日志進行分析,挖掘其中隱藏的頻繁模式,為用戶提供個性化服務、信息導航,并為網站結構的改進和優(yōu)化提供依據(jù)。本文基于WAP樹和棧進行Web用戶瀏覽模式挖掘,克服了傳統(tǒng)算法需要創(chuàng)建大量子樹的缺陷,時間效率有了很大地提高。
　　 本文的研究內容主要有Web數(shù)據(jù)源采

2、集和預處理、Web用戶聚類和Web用戶頻繁瀏覽模式的發(fā)現(xiàn)與分析。首先,數(shù)據(jù)預處理包括數(shù)據(jù)清理、用戶識別、會話識別、路徑補充、事務識別五個階段。其次,Web用戶聚類是把瀏覽路徑相似的用戶聚成一類,在聚類的相似度量上,不再單純地以訪問次數(shù)或相同路徑瀏覽時間來度量,而是考慮用戶之間相同路徑部分相似性和非相同路徑部分相似性,從而引出相似興趣度和非相似興趣度兩個度量值,并把這種相似度計算方法稱為PIS相似度,再結合該相似度進行基于傳遞閉包的模糊聚

3、類。最后,Web用戶頻繁瀏覽模式的發(fā)現(xiàn)與分析是根據(jù)Web用戶聚類的結果,挖掘用戶類的所有頻繁瀏覽模式,再進行模式分析。傳統(tǒng)頻繁模式挖掘算法普遍有一個缺點:大量候選項的產生或頻繁地創(chuàng)建樹結構,因此大大降低了算法效率。為此,本文提出一種WSF-Mine算法,該算法結合了不連續(xù)但可重復頁面序列挖掘的WAP算法和連續(xù)但不可重復頁面序列挖掘的CAP算法,可以挖掘連續(xù)且可重復頁面序列的頻繁模式,克服了WAP算法和CAP算法的不足之處,而且除了WAP

4、樹以外,不需要創(chuàng)建任何一棵子樹,只利用棧和頻繁模式挖掘的性質即可挖掘出用戶的所有頻繁瀏覽路徑。
　　 通過實驗分析,基于PIS相似度的模糊聚類結果質量有很大提高,從而提高了在聚類結果質量基礎上進行模式挖掘的WSF-Mine算法效率。另外,理論和實驗證明,WSF-Mine算法比CAP和OB-Mine算法的效率均有一定的提高。本文在相似度計算和頻繁模式挖掘上均有提出改進算法,因此在Web用戶瀏覽模式挖掘研究領域具有一定的參考價值。<