Web使用挖掘中事務間關聯(lián)規(guī)則方法研究.pdf

1、Web數(shù)據(jù)挖掘是在Web資源環(huán)境中根據(jù)用戶的瀏覽行為提取出用戶關心的、有價值的信息過程。Web使用挖掘是數(shù)據(jù)挖掘的重要組成部分,用戶是Web使用挖掘的核心。Web使用挖掘通過關聯(lián)規(guī)則算法獲取有意義的、描述用戶行為的模型,并為用戶提供指導性的預測經(jīng)驗。
　　 通過對以往的事務間關聯(lián)規(guī)則挖掘算法的系統(tǒng)分析和總結(jié),本文提出了兩種新的事務間關聯(lián)規(guī)則挖掘算法:
　　 (1)基于聚類分析的事務間關聯(lián)規(guī)則挖掘算法,該算法首先利用聚類分

2、析將初始的復雜的數(shù)據(jù)集進行約減,去掉冗余數(shù)據(jù),縮小數(shù)據(jù)集,避免了多次掃描數(shù)據(jù)庫和大量虛假規(guī)則的產(chǎn)生；其次對聚類預處理后所得到的各個小數(shù)據(jù)集分別進行事務間關聯(lián)規(guī)則預測分析。實驗結(jié)果表明該方法比單獨使用事務間關聯(lián)規(guī)則方法具有更高的效率,更能準確的預測用戶的興趣。
　　 (2)基于聚類的事務間關聯(lián)規(guī)則雙策略分析模型,該算法將雙策略興趣分析模型的思想融入基于聚類分析的事務間關聯(lián)規(guī)則挖掘算法中。該算法首先利用雙策略分析模型判斷事務間關聯(lián)規(guī)

3、則的完整性,將初始的數(shù)據(jù)庫分為關聯(lián)庫和馬爾庫,彌補了挖掘漏洞,避免了虛假規(guī)則的產(chǎn)生；其次利用聚類分析去掉關聯(lián)庫和馬爾庫中大量的無關冗余數(shù)據(jù),提高算法的執(zhí)行效率；最后對經(jīng)過聚類預處理所得到的各個子數(shù)據(jù)庫分別進行事務間關聯(lián)規(guī)則預測和馬爾可夫模型預測。實驗證明,該算法在準確度和執(zhí)行效率方面均優(yōu)于傳統(tǒng)的事務間關聯(lián)規(guī)則算法。
　　 隨著Web技術的不斷發(fā)展,Web服務器存儲的數(shù)據(jù)也逐漸向著超大化、多維化的方向發(fā)展。這為Web使用挖掘提出了