Web使用挖掘相关算法的研究

论文摘要

随着Internet的飞速发展,网上的数据资源空前丰富。每天都会有成千上万的用户在网络上浏览和寻找自己所需的信息。然而,由于信息量的庞大,对于每个用户来说,如何能够及时快速地发现有用信息则变得异常困难。为了解决上述问题,Web挖掘技术应运而生。其中,面向Web服务器日志的Web使用挖掘技术尤其得到了广大研究人员的关注。Web日志数据记录了用户对Web站点的访问信息,对这些信息进行分析可以发现用户访问站点的浏览模式和访问习惯,对于页面重组、优化网站的结构,以及在电子商务智能的应用等方面都具有十分重要的意义。本文对Web挖掘与Web使用挖掘进行了系统的分析和研究,并在已有研究的基础上改进并提出了两个新的算法。本文的工作主要有以下几个方面:(1)对Web挖掘的基本理论知识和分类进行了总体研究,重点分析研究了Web使用挖掘的基本思想和经典算法。(2)在分析关联规则经典算法Apriori的基础上,提出一种基于事务矩阵的关联规则挖掘算法,通过将事务数据库映射为一个事务矩阵,对事务矩阵进行操作以得到所有的频繁项目集。理论分析和实验证明了新算法在性能上的优越性。将新算法应用于Web使用挖掘可以高效地发现用户之间、页面之间以及用户浏览页面和网上行为之间存在的潜在关系。(3)提出一种基于有向图的用户频繁访问模式挖掘算法,通过对Web事务数据库进行一次扫描,将所有页面之间的序列信息记录在有向图中,并从中挖掘所有的用户频繁访问模式。利用挖掘出的模式知识,可以帮助预测网页的访问情况,从而可以帮助合理地放置广告以针对特定用户群。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 Web使用挖掘研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究内容及章节安排
• 1.3.1 研究内容
• 1.3.2 组织框架
• 第2章 从Web挖掘和Web使用挖掘研究
• 2.1 Web挖掘
• 2.1.1 Web挖掘的定义
• 2.1.2 Web上的数据
• 2.1.3 Web挖掘的分类
• 2.2 Web使用挖掘研究
• 2.2.1 Web使用挖掘的定义
• 2.2.2 Web使用挖掘的数据源
• 2.2.3 Web使用挖掘的过程
• 2.3 本章小结
• 第3章 一种新的基于事务矩阵的关联规则算法
• 3.1 关联规则概述
• 3.1.1 关联规则的背景介绍
• 3.1.2 关联规则挖掘的基本概念
• 3.1.3 关联规则的类型
• 3.2 关联规则的经典算法Apriori
• 3.2.1 Apriori算法简介
• 3.2.2 Apriori算法描述
• 3.3 Apriori算法的性能瓶颈分析
• 3.4 基于事务矩阵的关联规则挖掘算法的提出
• 3.4.1 算法思想及所基于的推论
• 3.4.2 算法描述
• 3.4.3 算法分析
• 3.5 测试和实验
• 3.5.1 测试环境及实验数据
• 3.5.2 实验结果分析和比较
• 3.6 本章小结
• 第4章 一种新的用户频繁访问模式挖掘算法
• 4.1 序列模式挖掘概述
• 4.1.1 概念与问题描述
• 4.1.2 序列模式挖掘过程
• 4.2 序列模式挖掘算法分类及典型算法
• 4.2.1 序列模式挖掘算法分类
• 4.2.2 AprioriAll算法
• 4.2.3 PrefixSpan算法
• 4.3 基于有向图的用户频繁访问模式挖掘新算法
• 4.3.1 用户频繁访问模式
• 4.3.2 新算法及其分析
• 4.3.3 测试和实验
• 4.4 本章小结
• 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文