序列模式挖掘在Web用戶訪問序列挖掘中的應用研究.pdf

1、數(shù)據(jù)挖掘致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內(nèi)部蘊藏知識，因而在數(shù)據(jù)存儲爆炸性增長的今天，大量潛在的有用信息才得以被提取和發(fā)現(xiàn)。近年來，Web應用活躍在社會生活的方方面面，WWW成為了全球最大的信息集散地，然而大量有用信息正被海量數(shù)據(jù)所吞沒。因此將數(shù)據(jù)挖掘技術(shù)應用于Web數(shù)據(jù)分析的Web挖掘應運而生，且已成為數(shù)據(jù)挖掘的重要應用之一。 根據(jù)對Web數(shù)據(jù)的興趣度不同，Web挖掘一般分為三大類：一個是Web內(nèi)容的挖掘；另一個是Web結(jié)構(gòu)的挖

2、掘；還有一個是Web訪問模式的挖掘，包括關聯(lián)規(guī)則、序列模式等，其中序列模式，是相對時間或其他模式出現(xiàn)頻率高的模式。 本文主要是對Web訪問模式的一種，Web日志進行序列模式的挖掘進行研究。對于從Web日志中挖掘出用戶的訪問序列模式，雖然可以采用常規(guī)的序列模式挖掘算法，但是對Web日志進行預處理后，得到的Web日志訪問序列模式數(shù)據(jù)庫，在序列的構(gòu)成和序列的長度上均區(qū)別于一般的序列模式數(shù)據(jù)庫。因此為了適應特殊性，提高數(shù)據(jù)挖掘的效率，W

3、eb日志訪問序列模式挖掘的算法，需要在通用算法上做出作裁剪和增強。 目前，Web日志訪問序列模式挖掘遇到的挑戰(zhàn)是對海量數(shù)據(jù)挖掘時系統(tǒng)資源的巨大開銷。結(jié)合兩個效率比較高的算法SPAM和PrefixSpan的思想，本文提出了一個新的算法SPAM-FPT，從三個方面著手，簡化挖掘過程中支持度的計算和候選模式的生成操作： (1)改進SPAM算法中位圖的結(jié)構(gòu)，設計出新的存儲結(jié)構(gòu)FPT表示壓縮記錄每個序列。對序列的用戶支持度的計算只