面向电子商务的Web使用挖掘关键技术研究

论文摘要

随着Internet的迅速发展,World Wide Web已深入到人类生活的方方面面。面对Web上的海量信息,如何充分利用这些宝贵的数据资源,从具有动态、异质、半结构化等特性的Web数据中提取人们感兴趣的、隐含的、有应用价值的模式和知识,已成为当前数据挖掘领域一个重要的研究课题。Web使用挖掘的目的是使用已建立的数据挖掘技术来分析网站的使用情况,这就意味着企业可以利用Web使用挖掘技术,基于用户以前对电子商务网站广告横幅的积极和消极行为,预测该在线用户将会点击什么广告,并发现未来的客户以促成更大规模的购买活动。因此,本论文利用信息熵、概念格、D-S证据、模糊集合、F-树和代数格,详细研究了分类、聚类、关联规则和序列模式与Web使用挖掘有关的理论和技术。阐明了从Web页面分类分析、Web页面聚类、Web使用关联规则挖掘和Web使用序列模式发现开展对面向电子商务Web使用挖掘的研究思路,为面向电子商务Web使用挖掘的进一步发展提供了更为广阔的空间。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 本文的研究背景与意义
• 1.1.1 本文的研究背景
• 1.1.2 本文的研究目的和意义
• 1.2 Web数据挖掘研究现状与分析
• 1.2.1 Web数据挖掘的概念
• 1.2.2 Web数据挖掘的分类
• 1.2.2.1 Web内容挖掘
• 1.2.2.2 Web结构挖掘
• 1.2.2.3 Web使用挖掘
• 1.2.3 Web使用挖掘的研究现状
• 1.2.4 Web使用挖掘研究中存在的问题
• 1.3 本文的研究内容和结构安排
• 1.3.1 本文的研究内容
• 1.3.2 本文的结构安排
• 2 Web使用挖掘研究综述
• 2.1 Web使用挖掘的数据处理对象
• 2.2 Web使用挖掘的基本框架
• 2.2.1 数据预处理
• 2.2.1.1 数据清洗
• 2.2.1.2 用户识别
• 2.2.1.3 会话识别
• 2.2.1.4 路径补充
• 2.2.1.5 事务识别
• 2.2.2 数据挖掘
• 2.2.3 模式分析
• 2.3 Web使用挖掘的应用
• 2.4 本章小结
• 3 Web页面的分类分析
• 3.1 分类技术的国内外相关工作
• 3.2 Web页面的矢量表示
• 3.3 Web页面特征矢量的约减
• 3.3.1 信息熵
• 3.3.2 Web页面的关键特征矢量
• 3.4 Web页面关键特征矢量特征项子集的联合后验概率
• 3.4.1 代数格与概念格
• 3.4.2 量化矢量概念格
• 3.4.3 Web页面关键特征矢量特征项子集的联合后验概率计算
• 3.5 Web页面分类分析
• 3.5.1 Dempster-Shafer证据
• 3.5.2 Web页面分类求解
• 3.6 试验与分析
• 3.7 本章小结
• 4 基于模糊关系的Web使用聚类
• 4.1 Web使用聚类的研究内容及相关工作
• 4.2 Web站点用户访问矩阵
• 4.2.1 Web站点用户访问事务集合的生成
• 4.2.2 Web站点用户访问矩阵的表示
• 4.3 模糊聚类
• 4.4 Web页面模糊聚类
• 4.4.1 Web页面的相似度
• 4.4.2 模糊聚类算法
• 4.5 试验与分析
• 4.6 本章小结
• 5 Web使用的关联规则挖掘
• 5.1 关联规则挖掘的典型算法
• 5.2 相关概念和术语
• 5.3 频繁闭项集挖掘算法
• 5.3.1 数据模型
• 5.3.2 算法框架及频繁项结点表的建立
• 5.3.3 MiningCloseItem算法
• 5.4 试验与分析
• 5.5 本章小结
• 6 Web使用的序列模式发现
• 6.1 序列模式发现的典型算法
• 6.2 相关概念和术语
• 6.3 频繁闭序列挖掘算法
• 6.3.1 量化序列格
• 6.3.2 公共最大长度子序列的求解
• 6.3.3 FrCloseSequence算法
• 6.4 试验与分析
• 6.5 本章小结
• 7 结论与展望
• 参考文献
• 致谢
• 作者简介
• 攻读博士期间发表的学术论文