語(yǔ)義Web使用挖掘研究.pdf

1、隨著Web技術(shù)的快速發(fā)展及廣泛應(yīng)用,Internet上的Web頁(yè)面數(shù)目開始呈指數(shù)級(jí)的速度增長(zhǎng),如何結(jié)合語(yǔ)義知識(shí)來(lái)挖掘分析用戶對(duì)Web頁(yè)面的訪問(wèn)行為成為一個(gè)重要的研究方向。這里分別從用戶的Web使用日志信息和Web頁(yè)面內(nèi)容信息著手,從語(yǔ)義距離計(jì)算、語(yǔ)義挖掘算法和結(jié)果序列的語(yǔ)義相似度分析這三個(gè)方面展開研究。
　　在語(yǔ)義距離計(jì)算方面,在已有的計(jì)算方法的基礎(chǔ)上加入頁(yè)面在日志數(shù)據(jù)中的出現(xiàn)概率信息,由頁(yè)面在本體層次樹中的深度、分支度和出現(xiàn)概率

2、這三個(gè)因素共同決定結(jié)點(diǎn)頁(yè)面的語(yǔ)義權(quán)值,進(jìn)而得到任意兩個(gè)頁(yè)面間的語(yǔ)義距離信息。實(shí)驗(yàn)表明,改進(jìn)后的語(yǔ)義權(quán)值計(jì)算方法得到的結(jié)果更加合理和全面。
　　在語(yǔ)義挖掘算法方面,結(jié)合Mabroukeh提出的使用語(yǔ)義距離來(lái)輔助挖掘的理論思想,考慮到日志數(shù)據(jù)中訪問(wèn)時(shí)間的有序性,以吳海燕提出的AprioriAll算法的連接條件為基礎(chǔ),加入改進(jìn)后計(jì)算得到的語(yǔ)義距離信息,即在算法的連接步中除了要滿足已有的連接條件外還需要考慮兩個(gè)連接頁(yè)面的語(yǔ)義距離,如果大于

3、給定的語(yǔ)義距離值,則不再執(zhí)行連接操作。實(shí)驗(yàn)表明,改進(jìn)后的算法挖掘得到的頻繁語(yǔ)義訪問(wèn)序列具有一定的語(yǔ)義相關(guān)性,算法的計(jì)算規(guī)模和執(zhí)行時(shí)間也得到了一定程度的改善。
　　在結(jié)果序列的語(yǔ)義相似度分析方面,結(jié)合本體和本體映射的相關(guān)理論,給出一種新的頁(yè)面本體的定義形式,以頁(yè)面前導(dǎo)符的形式按照頁(yè)面內(nèi)容詞組信息將所有的頁(yè)面統(tǒng)一組織,通過(guò)對(duì)比前導(dǎo)符、詞組及其他本體因素的相似度來(lái)綜合得到頁(yè)面內(nèi)容的語(yǔ)義相似程度,以此來(lái)對(duì)挖掘得到的訪問(wèn)序列進(jìn)行語(yǔ)義相似度的