基于概念格的Web日志挖掘及其应用

论文摘要

随着Internet的迅速发展，新信息、新产品每天都在不断被放上Web，同时，用户的种类、数量和关注点也在增加。一方面，用户从浩瀚如烟的信息中找到自己需要的信息越来越困难；另一方面，Web站点的服务商也在不断设法获取用户的兴趣爱好，以提高网站的服务质量。个性化技术就是可以解决上述两个问题的一种有效的手段。本文在讨论概念格理论以及Web日志挖掘各环节关键技术的基础上，主要完成如下工作：1．针对传统的增量挖掘算法不能同时解决数据库和最小支持度同时发生变化的问题，本文提出了将概念格理论应用于Web日志挖掘的模式发现，研究了基于概念格的关联规则的增量挖掘，提出了一种从最大频繁项集产生所有强关联规则的优化方法，减少了模式发现中频繁项集的发现时间和不必要的规则的产生，从而提高了模式发现的效率。2．将基于概念格的Web日志挖掘方法应用于电子商务网站中，针对不同的用户进行个性化推荐，来促进电子商务网站的发展。本文给出了电子商务个性化推荐系统的系统结构，并实现了个性化推荐引擎的每个模块，为电子商务网站个性化推荐问题的解决提供了一种方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 概念格理论
• 1.2.1 概念格理论基本概念
• 1.2.2 概念格的构造
• 1.3 Web日志挖掘
• 1.3.1 Web日志挖掘简介及应用
• 1.3.2 Web日志挖掘国内外研究现状
• 1.4 论文结构
• 第二章 Web日志挖掘过程
• 2.1 数据来源
• 2.2 Web日志挖掘模型
• 2.3 数据预处理
• 2.3.1 数据清理
• 2.3.2 用户识别
• 2.3.3 会话识别
• 2.3.4 路径识别
• 2.3.5 事务识别
• 2.4 模式发现
• 2.5 模式分析
• 2.6 小结
• 第三章 基于概念格的Web日志挖掘
• 3.1 增量更新问题
• 3.2 关联规则及相关定义
• 3.3 基于概念格的关联规则挖掘
• 3.3.1 算法描述
• 3.3.2 算法清单
• 3.4 实验
• 3.5 小结
• 第四章 基于概念格的Web日志挖掘在个性化电子商务网站中的应用
• 4.1 个性化简介
• 4.2 系统结构
• 4.3 系统各模块功能
• 4.3.1 登录注册模块
• 4.3.2 日志数据预处理模块
• 4.3.3 模式挖掘模块
• 4.3.4 在线个性化推荐引擎模块
• 4.4 系统实现
• 4.4.1 登陆注册模块的实现
• 4.4.2 日志数据预处理模块的实现
• 4.4.3 模式挖掘模块的实现
• 4.4.4 在线个性化推荐引擎模块的实现
• 4.5 实验
• 4.6 小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 进一步的工作
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文