網(wǎng)站日志的數(shù)據(jù)挖掘.pdf

1、隨著INTERNET上數(shù)據(jù)量呈爆炸式的增長，信息數(shù)據(jù)的有用性變的十分必要。WEB挖掘是將數(shù)據(jù)挖掘技術應用于互聯(lián)網(wǎng)，目前在許多研究領域都是熱點。作者討論了WEB挖掘和WEB挖掘的分類。根據(jù)挖掘的內(nèi)容，WEB挖掘可分為三種，WEB使用挖掘，WEB內(nèi)容挖掘，WEB結構挖掘。對每種挖掘，作者都討論了與其相關的研究領域，技術和發(fā)展方向。WEB使用挖掘是本文主要的研究方向。 WEB使用挖掘是利用數(shù)據(jù)挖掘技術根據(jù)WEB使用數(shù)據(jù)挖掘用戶訪問網(wǎng)站

2、的行為模式。網(wǎng)站使用記錄挖掘不同與網(wǎng)站內(nèi)容挖掘和網(wǎng)站結構挖掘，它的挖掘對象不是網(wǎng)上的原始數(shù)據(jù)，而是記錄用戶與網(wǎng)站交互的過程的數(shù)據(jù)。就些數(shù)據(jù)包括：客戶端瀏覽器日志記錄，網(wǎng)站服務器訪問記錄、代理服務器日志記錄、用戶注冊信息等。WEB使用挖掘分為三個階段，數(shù)據(jù)預處理，模式發(fā)現(xiàn)，模式分析。作者詳細討論了這三個階段所遇到的問題和解決辦法。 許多數(shù)據(jù)挖掘方法在WEB挖掘上都有很好的應用，作者討論以下幾種在WEB使用記錄上常用的方法，統(tǒng)計分析

3、方法，關聯(lián)規(guī)則方法，序列模式方法，聚類方法，分類方法，并著重討論關聯(lián)規(guī)則方法應用于WEB使用記錄的挖掘。關聯(lián)規(guī)則方法在數(shù)據(jù)挖掘領域被廣泛應用，它主要用于發(fā)現(xiàn)有用的模式，典型的例子就是購物籃分析。將關聯(lián)規(guī)則應用于WEB使用記錄挖掘的關鍵在于如何構造購物籃。用戶點擊網(wǎng)站的每一頁所產(chǎn)生的動作都被服務器記錄在日志中，分析日志文件，并結合網(wǎng)站的拓撲和實際內(nèi)容，經(jīng)過數(shù)據(jù)清理，用戶識別，會話識別，事務識別四個數(shù)據(jù)預處理過程，我們可以獲得一個事務集合，