WEB日志用戶(hù)會(huì)話(huà)識(shí)別及聚類(lèi)分析研究.pdf

1、數(shù)據(jù)預(yù)處理是在將日志文件轉(zhuǎn)換成數(shù)據(jù)庫(kù)文件時(shí)進(jìn)行的，它包括數(shù)據(jù)清洗、用戶(hù)識(shí)別、會(huì)話(huà)識(shí)別、事務(wù)識(shí)別四個(gè)階段。 本文深入學(xué)習(xí)研究了數(shù)據(jù)預(yù)處理的主要任務(wù)，提出了一種新的Web日志預(yù)處理會(huì)話(huà)識(shí)別及根據(jù)用戶(hù)瀏覽興趣進(jìn)行事務(wù)識(shí)別的方法。該方法根據(jù)用戶(hù)的下載時(shí)間、用戶(hù)對(duì)頁(yè)面內(nèi)容的興趣度及頁(yè)面的信息量及頁(yè)面的鏈入、鏈出數(shù)等幾個(gè)參數(shù)的綜合得到每個(gè)用戶(hù)對(duì)每個(gè)頁(yè)面的訪(fǎng)問(wèn)時(shí)間閾值，然后根據(jù)該個(gè)性化閾值來(lái)識(shí)別用戶(hù)會(huì)話(huà)。會(huì)話(huà)識(shí)別后，根據(jù)用戶(hù)訪(fǎng)問(wèn)頁(yè)面的時(shí)間、頁(yè)

2、面的興趣度刪除用戶(hù)不感興趣的頁(yè)面和鏈接頁(yè)面，重新定義用戶(hù)的Web訪(fǎng)問(wèn)事務(wù)，成為最終有效的Web頁(yè)面訪(fǎng)問(wèn)序列。 實(shí)驗(yàn)證明，本文提出的方法可以識(shí)別出頁(yè)面瀏覽時(shí)間較長(zhǎng)的會(huì)話(huà)，也可以把小于固定閾值的頁(yè)面劃入下一會(huì)話(huà)，發(fā)現(xiàn)的真實(shí)會(huì)話(huà)比例大，貼近用戶(hù)真實(shí)的訪(fǎng)問(wèn)目的，同時(shí)依據(jù)用戶(hù)瀏覽頁(yè)面的興趣度來(lái)刪除無(wú)關(guān)鏈接頁(yè)面，形成新的Web訪(fǎng)問(wèn)事務(wù)，為下一步的聚類(lèi)分析提供了良好的數(shù)據(jù)，提高了聚類(lèi)的效率。數(shù)據(jù)經(jīng)過(guò)預(yù)處理后，就可以根據(jù)具體的需求來(lái)選擇聚類(lèi)、分