基于粗糙集的Web用户访问模式挖掘

论文摘要

随着数据挖掘和万维网技术的结合,使得从收集到的访问Internet网站日志记录中进行数据挖掘成为可能。将数据挖掘技术应用于Web日志记录,来发现用户访问Web页面的模式,便形成了Web日志访问模式挖掘。Web日志访问模式挖掘是从Web访问日志中挖掘有用的用户访问,用于找出最频繁访问时间、关联模式、序列模式、聚类模式、分类模式及Web访问趋势等,这对于优化站点结构、为不同类别的用户提供个性化的服务具有重要意义。Web日志访问模式挖掘是目前数据挖掘领域的热点,本文针对Web使用的数据源的特点,详细论述了Web日志访问模式挖掘的概念、方法和过程。首先,本文对Web日志挖掘数据预处理的进行了研究。Web日志挖掘的对象不是网络上的原始数据而是从用户和网络交互过程中抽取出来的访问数据,它包括所请求的URL、发出请求的IP地址和时间戳等,这些数据提供了有关用户访问的丰富信息。本文在这部分的研究重点是如何提取有关用户访问的特征(如用户的访问行为、频度、内容等),以及建立基于用户访问行为的数据模型。其次,对基于粗糙集理论的Web日志访问模式挖掘的研究。在粗糙集理论中,知识被看成是一种分类能力,即在域上构造分区的能力。本文在基于粗糙集理论的思想上对预处理后的数据进行离散化,并给出了一种数据模型,使用约简算法约简而且提取出稳定的分类规则。由于Web日志中事务的类与类之间边界的不确定性,还给出了一种新的使用粗糙集理论对Web事务中用户存取模式进行聚类的方法,该方法既考虑了事务数据的序列次序也顾及了其集合的内容,建立在实验集上的实验结果表明该算法是可行的。最后,指出了本论文需进一步研究解决的问题,并对下一步Web日志挖掘研究进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的研究背景与选题意义
• 1.2 国内外研究概况
• 1.2.1 国内现状与发展情况
• 1.2.2 国外现状与发展情况
• 1.3 粗糙集理论与数据挖掘的关系
• 1.4 本文的研究主要内容及框架
• 第2章 从数据挖掘到Web挖掘
• 2.1 KDD和数据挖掘
• 2.2 Web挖掘技术概述
• 2.3 Web挖掘的分类
• 2.3.1 Web内容挖掘
• 2.3.2 Web结构挖掘
• 2.3.3 Web日志挖掘
• 2.4 Web数据挖掘的研究方向
• 2.5 本章小结
• 第3章 粗糙集在Web挖掘中的应用技术
• 3.1 粗糙集产生和发展
• 3.2 粗糙集的预备知识
• 3.3 粗糙集的定义
• 3.4 粗糙集的特征
• 3.5 约简与核
• 3.5.1 一般约简与一般核
• 3.5.2 相对约简和相对核
• 3.6 粗糙集在知识约简中的应用
• 3.6.1 知识约简
• 3.6.2 区分矩阵及其数据挖掘模型
• 3.7 本章小结
• 第4章 基于粗糙集的用户访问模式获取
• 4.1 Web Log数据预处理
• 4.1.1 数据采集
• 4.1.2 Web日志数据的分析
• 4.2 数据变换
• 4.3 用户访问特征属性进一步提取
• 4.3.1 用户访问模式获取
• 4.3.2 算法描述
• 4.3.3 实验结果及分析
• 4.4 本章小结
• 第5章 基于粗糙集的用户访问模式聚类分析
• 5.1 Web日志的聚类基础
• 5.2 Web日志的聚类算法
• 5.3 实验结果
• 5.4 本文的改进算法
• 5.4.1 序列的相似性度量方法
• 5.4.2 基于粗糙集聚类的改进算法
• 5.4.3 算法的复杂性分析
• 5.4.4 实验分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历