Web日志挖掘的相關技術研究.pdf

1、隨著Internet的迅速發(fā)展和不斷普及，Web日志資源越來越多，如何分析和利用這些海量數據是當前突出的問題。Web日志挖掘是網絡信息處理的一種新的技術，也是數據挖掘在Internet領域的一個重要應用。Web日志挖掘是將數據挖掘技術用于Web服務器日志以獲取有規(guī)律性的知識和用戶的訪問行為模式，從而改善Web站點的組織結構，提高站點的訪問質量，改進網站的性能。 數據預處理是Web日志挖掘的重要環(huán)節(jié)，它決定模式發(fā)現和模式分析算法的

2、性能。Web日志預處理主要包括5個環(huán)節(jié)：數據清理、用戶識別、會話識別、路徑補充和事務識別。本文對Web日志預處理的各個環(huán)節(jié)進行了研究，并介紹了各個環(huán)節(jié)的相關方法。在分析目前會話構造算法的基礎上提出了將兩種時間窗口結合來構造會話的方法。頻繁序列模式挖掘是Web日志挖掘的一個重要研究方向，由于類Apriroi的序列模式挖掘算法要掃描序列數據庫多次，且會產生龐大的候選集。本文采用了WAP-Tree結構來存儲事務序列，只需掃描數據庫兩次，由于W

3、AP-Mine算法要遞歸的產生條件子樹，耗費內存空間。針對在WAP-Tree樹上的挖掘算法WAP-Mine的不足，提出了基于WAP-Tree的新挖掘算法NWAP-Mine算法，實驗證明了算法的有效性。針對現有的序列模式挖掘算法沒有考慮網頁的權重，提出了基于平均停留時間的興趣度定義，針對現有網頁興趣度存在的不足，提出了一種改進的網頁興趣度，并將該興趣度作為權重應用到權重序列模式挖掘算法，找出用戶感興趣的訪問路徑。通過實驗表明將改進后的興趣