基于Web點(diǎn)擊流的頻繁訪問(wèn)序列挖掘研究.pdf

1、對(duì)國(guó)內(nèi)外Web使用挖掘研究情況分析可知，以往的頻繁訪問(wèn)序列挖掘算法在動(dòng)靜Web點(diǎn)擊流環(huán)境中仍存在諸多問(wèn)題。單純的Web關(guān)聯(lián)規(guī)則挖掘忽略了會(huì)話的時(shí)間特性；簡(jiǎn)單的頻繁訪問(wèn)序列挖掘由于沒(méi)有采用合理的約束思想，挖掘出的頻繁訪問(wèn)序列相當(dāng)龐大；增量挖掘方法大部分是處理單個(gè)序列內(nèi)部的插入，很少涉及序列本身往數(shù)據(jù)庫(kù)中同時(shí)插入和刪除的問(wèn)題；在處理動(dòng)態(tài)Web點(diǎn)擊流時(shí)，基于False-Positive方法的算法很難處理挖掘查全率和精度之間的矛盾。這幾類(lèi)問(wèn)題的

2、研究對(duì)電子商務(wù)、商業(yè)智能以及市場(chǎng)決策等領(lǐng)域具有重要的意義。 本文首先設(shè)計(jì)了兩種極大頻繁訪問(wèn)模式挖掘算法。第一種算法采用雙向駐留時(shí)間約束會(huì)話中每個(gè)頁(yè)面，有效限制了無(wú)意義頁(yè)面的出現(xiàn)。第二種算法根據(jù)雙向約束思想對(duì)訪問(wèn)序列的持續(xù)時(shí)間進(jìn)行約束，解決了較長(zhǎng)訪問(wèn)序列帶來(lái)的問(wèn)題。在挖掘帶有時(shí)間約束的極大頻繁訪問(wèn)序列時(shí)，這兩種算法的性能優(yōu)于同類(lèi)算法GENmax、FPmax、SPADE、MSPS和GSP。 其次，本文提出了解決同時(shí)往數(shù)據(jù)庫(kù)中

3、插入和刪除整個(gè)訪問(wèn)序列問(wèn)題的方法，根據(jù)序列增量模型，設(shè)計(jì)了一種增量式頻繁訪問(wèn)序列挖掘算法。該算法采用約束策略和網(wǎng)站拓?fù)浼夹g(shù)，僅從插入的和刪除的序列中挖掘新的頻繁訪問(wèn)序列，縮小了頻繁訪問(wèn)序列的搜索空間，減少了候選子序列的規(guī)模。在利用先前挖掘結(jié)果和約束思想的前提下，該算法在處理時(shí)間和內(nèi)存消耗上比算法IncSpan和MFTP有明顯優(yōu)勢(shì)。 最后，提出了解決訪問(wèn)序列查全率和挖掘精度之間的沖突問(wèn)題的方法，基于False-Negative方法

4、和時(shí)間敏感滑動(dòng)窗模型，提出了一種動(dòng)態(tài)Web點(diǎn)擊流中挖掘頻繁訪問(wèn)序列算法。該算法利用帶約束的加權(quán)調(diào)和計(jì)數(shù)函數(shù)來(lái)計(jì)算每個(gè)訪問(wèn)序列的支持度計(jì)數(shù)，通過(guò)調(diào)節(jié)因子ξ來(lái)調(diào)整相關(guān)比率ρ的大小。在變化最小支持度閾值和調(diào)整調(diào)節(jié)因子ξ大小的情況下，該算法能夠同時(shí)滿足訪問(wèn)序列查全率和挖掘精度的要求，其性能優(yōu)于算法Lossy Counting和算法MineSW。 本文使用Java語(yǔ)言和C++語(yǔ)言對(duì)上述四種算法進(jìn)行實(shí)現(xiàn)，分別對(duì)四類(lèi)數(shù)據(jù)集：M0606A、M0