基于OLAP技術(shù)的WEB日志挖掘方法研究與實(shí)踐.pdf

1、隨著Internet的普及和WWW的迅猛發(fā)展，WEB和用戶對(duì)WEB訪問的信息已經(jīng)成為世界上最大的信息來源之一。而信息的爆炸式增長(zhǎng)與人們注意力的有限性之間的矛盾也隨之加劇，WEB數(shù)據(jù)挖掘是解決這一矛盾的有效手段。而WEB日志挖掘是網(wǎng)絡(luò)信息處理的一門新技術(shù)，也是數(shù)據(jù)挖掘在Internet領(lǐng)域的一個(gè)重要應(yīng)用，伴隨著Internet的迅速發(fā)展，WEB日志挖掘在電子商務(wù)和個(gè)性化WEB等方面有著廣泛的應(yīng)用。通過挖掘WEB日志可以改善網(wǎng)站的組織結(jié)構(gòu)，

2、監(jiān)控服務(wù)器的工作情況，改善WEB應(yīng)用的系統(tǒng)設(shè)計(jì)，為用戶提供個(gè)性化服務(wù)。當(dāng)前WEB日志挖掘的研究大致可以分為三個(gè)方向:(1)分析系統(tǒng)性能;(2)改進(jìn)系統(tǒng)設(shè)計(jì);(3)理解用戶意圖。當(dāng)前研究中大多數(shù)在處理日志數(shù)據(jù)時(shí)只是把日志數(shù)據(jù)經(jīng)過簡(jiǎn)單處理直接存放在數(shù)據(jù)庫(kù)中，能夠根據(jù)日志數(shù)據(jù)的特點(diǎn)，對(duì)日志數(shù)據(jù)進(jìn)行有效提取并對(duì)其存儲(chǔ)狀態(tài)進(jìn)行研究的涉及較少。WEB日志挖掘方法可以分為基于數(shù)據(jù)立方體的方法和基于WEB事務(wù)的方法。WEB日志挖掘中,通過分析挖掘用戶訪

3、問路徑的結(jié)果,可以改善站點(diǎn)的設(shè)計(jì)(如在高度相關(guān)的頁(yè)面之間提供有效的訪問，改進(jìn)頁(yè)面上的鏈接設(shè)計(jì))，改進(jìn)市場(chǎng)決策。但現(xiàn)有的用戶訪問路徑挖掘算法，大多數(shù)沒有很好考慮如何結(jié)合訪問路徑的特點(diǎn)來改進(jìn)算法，以得到更好的挖掘結(jié)果及挖掘效率。 本文研究了WEB日志挖掘中的相關(guān)技術(shù)，在以下幾方面進(jìn)行了改進(jìn):(1)在WEB日志挖掘模型的基礎(chǔ)上，根據(jù)WEB日志半結(jié)構(gòu)化的特點(diǎn)，對(duì)WEB日志數(shù)據(jù)的清洗和轉(zhuǎn)換提出了相應(yīng)的解決方法，將日志文件單元根據(jù)不同屬性存