序列模式挖掘在Web用戶訪問(wèn)序列挖掘中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內(nèi)部蘊(yùn)藏知識(shí)，因而在數(shù)據(jù)存儲(chǔ)爆炸性增長(zhǎng)的今天，大量潛在的有用信息才得以被提取和發(fā)現(xiàn)。近年來(lái)，Web應(yīng)用活躍在社會(huì)生活的方方面面，WWW成為了全球最大的信息集散地，然而大量有用信息正被海量數(shù)據(jù)所吞沒(méi)。因此將數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web數(shù)據(jù)分析的Web挖掘應(yīng)運(yùn)而生，且已成為數(shù)據(jù)挖掘的重要應(yīng)用之一。 根據(jù)對(duì)Web數(shù)據(jù)的興趣度不同，Web挖掘一般分為三大類：一個(gè)是Web內(nèi)容的挖掘；另一個(gè)是Web結(jié)構(gòu)的挖

2、掘；還有一個(gè)是Web訪問(wèn)模式的挖掘，包括關(guān)聯(lián)規(guī)則、序列模式等，其中序列模式，是相對(duì)時(shí)間或其他模式出現(xiàn)頻率高的模式。 本文主要是對(duì)Web訪問(wèn)模式的一種，Web日志進(jìn)行序列模式的挖掘進(jìn)行研究。對(duì)于從Web日志中挖掘出用戶的訪問(wèn)序列模式，雖然可以采用常規(guī)的序列模式挖掘算法，但是對(duì)Web日志進(jìn)行預(yù)處理后，得到的Web日志訪問(wèn)序列模式數(shù)據(jù)庫(kù)，在序列的構(gòu)成和序列的長(zhǎng)度上均區(qū)別于一般的序列模式數(shù)據(jù)庫(kù)。因此為了適應(yīng)特殊性，提高數(shù)據(jù)挖掘的效率，W

3、eb日志訪問(wèn)序列模式挖掘的算法，需要在通用算法上做出作裁剪和增強(qiáng)。 目前，Web日志訪問(wèn)序列模式挖掘遇到的挑戰(zhàn)是對(duì)海量數(shù)據(jù)挖掘時(shí)系統(tǒng)資源的巨大開(kāi)銷。結(jié)合兩個(gè)效率比較高的算法SPAM和PrefixSpan的思想，本文提出了一個(gè)新的算法SPAM-FPT，從三個(gè)方面著手，簡(jiǎn)化挖掘過(guò)程中支持度的計(jì)算和候選模式的生成操作： (1)改進(jìn)SPAM算法中位圖的結(jié)構(gòu)，設(shè)計(jì)出新的存儲(chǔ)結(jié)構(gòu)FPT表示壓縮記錄每個(gè)序列。對(duì)序列的用戶支持度的計(jì)算只