Web日志挖掘研究與挖掘工具lsMiner的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、Web日志挖掘通過對(duì)日志記錄的挖掘,發(fā)現(xiàn)用戶訪問頁面的模式,從而進(jìn)一步分析和研究日志記錄中的規(guī)律,以期改進(jìn)站點(diǎn)的性能和組織結(jié)構(gòu),提高用戶查找信息的質(zhì)量和效率,并通過統(tǒng)計(jì)和關(guān)聯(lián)的分析找出特定用戶與特定地域、特定時(shí)間、特定頁面等要素之間的內(nèi)在聯(lián)系.Web日志挖掘數(shù)據(jù)預(yù)處理的對(duì)象是原始的日志文件中包含的數(shù)據(jù),其中不完整的、冗余的、錯(cuò)誤的數(shù)據(jù)需要進(jìn)行處理.該文將針對(duì)數(shù)據(jù)預(yù)處理過程中涉及到的關(guān)鍵問題和技術(shù)進(jìn)行詳細(xì)的剖析和論述,給出一個(gè)預(yù)處理模型.

2、介紹Web日志挖掘前期工作——數(shù)據(jù)預(yù)處理的過程,可以在此基礎(chǔ)上進(jìn)行挖掘算法的實(shí)現(xiàn).提出的數(shù)據(jù)預(yù)處理模型適合Web日志數(shù)據(jù)挖掘.關(guān)聯(lián)規(guī)則挖掘是Web日志挖掘的一個(gè)重要的關(guān)鍵技術(shù),它可以發(fā)現(xiàn)網(wǎng)絡(luò)日志訪問記錄中隱含的相互關(guān)系.生成關(guān)聯(lián)規(guī)則的過程是在每個(gè)頻繁大項(xiàng)集中逐一匹配滿足一定的支持度和可信度的規(guī)則,也就是最小置信度的測(cè)試.Apriori是關(guān)聯(lián)規(guī)則挖掘算法改進(jìn)的基礎(chǔ),但它可能產(chǎn)生龐大的侯選集.Han提出FP-tree算法.這個(gè)算法只進(jìn)行2次