基于關聯規(guī)則的web日志挖掘應用研究.pdf

1、隨著社會信息化的發(fā)展，Internet越來越受到全世界各類用戶的喜愛。他們不斷地登陸互聯網，在網上搜索、尋找自己所感興趣的話題和信息，從事一系列的網絡交互活動。由于互聯網的用戶數量眾多、構成復雜，互聯網的海量數據，以及互聯網處理的數據形式比較廣泛，迫切需要一種強大的處理技術的誕生。為了提供更高質量的web服務，對web數據進行挖掘成為一種重要的互聯網信息處理技術手段，web挖掘應運而生?；ヂ摼W一般采用的是客戶端/服務器結構模式，后臺服務

2、器上存儲了大量潛在有價值的web日志文件。為了分析網絡用戶瀏覽網站的習慣和行為，改善網頁間的鏈接結構和網絡拓撲結構，提高網站的系統(tǒng)性能以及為用戶提供個性化的服務，可以應用web日志挖掘技術對這些日志數據進行模式發(fā)現。
　　 本文以面向研究生群體的小型論壇——安研星空論壇（http：//www.ahusky.cn）的日志文件中的數據作為挖掘處理的數據源，主要從以下幾個方面進行了相關的闡述、分析和研究。首先，詳細介紹了課題的研究背景

3、及意義和國內外的研究現狀；概述了數據挖掘產生、定義、過程、方法和應用領域，以及未來的發(fā)展。其次闡述了web挖掘的分類、特點、過程、技術和面臨的難題，接著分析了數據預處理的過程，指出了預處理過程中遇到的問題。然后介紹了關聯規(guī)則挖掘的相關概念和關聯規(guī)則挖掘的經典算法——Apriori算法，詳細介紹了Apriori算法的思想、處理步驟和算法過程，指出了Apriori算法用于web日志挖掘的不足之處，提出了基于網站訪問結構和數據庫壓縮的改進策略