基于Web點擊流的頻繁訪問序列挖掘研究.pdf

1、對國內(nèi)外Web使用挖掘研究情況分析可知，以往的頻繁訪問序列挖掘算法在動靜Web點擊流環(huán)境中仍存在諸多問題。單純的Web關(guān)聯(lián)規(guī)則挖掘忽略了會話的時間特性；簡單的頻繁訪問序列挖掘由于沒有采用合理的約束思想，挖掘出的頻繁訪問序列相當(dāng)龐大；增量挖掘方法大部分是處理單個序列內(nèi)部的插入，很少涉及序列本身往數(shù)據(jù)庫中同時插入和刪除的問題；在處理動態(tài)Web點擊流時，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。這幾類問題的

2、研究對電子商務(wù)、商業(yè)智能以及市場決策等領(lǐng)域具有重要的意義。 本文首先設(shè)計了兩種極大頻繁訪問模式挖掘算法。第一種算法采用雙向駐留時間約束會話中每個頁面，有效限制了無意義頁面的出現(xiàn)。第二種算法根據(jù)雙向約束思想對訪問序列的持續(xù)時間進行約束，解決了較長訪問序列帶來的問題。在挖掘帶有時間約束的極大頻繁訪問序列時，這兩種算法的性能優(yōu)于同類算法GENmax、FPmax、SPADE、MSPS和GSP。 其次，本文提出了解決同時往數(shù)據(jù)庫中

3、插入和刪除整個訪問序列問題的方法，根據(jù)序列增量模型，設(shè)計了一種增量式頻繁訪問序列挖掘算法。該算法采用約束策略和網(wǎng)站拓撲技術(shù)，僅從插入的和刪除的序列中挖掘新的頻繁訪問序列，縮小了頻繁訪問序列的搜索空間，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，該算法在處理時間和內(nèi)存消耗上比算法IncSpan和MFTP有明顯優(yōu)勢。 最后，提出了解決訪問序列查全率和挖掘精度之間的沖突問題的方法，基于False-Negative方法

4、和時間敏感滑動窗模型，提出了一種動態(tài)Web點擊流中挖掘頻繁訪問序列算法。該算法利用帶約束的加權(quán)調(diào)和計數(shù)函數(shù)來計算每個訪問序列的支持度計數(shù)，通過調(diào)節(jié)因子ξ來調(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，該算法能夠同時滿足訪問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語言和C++語言對上述四種算法進行實現(xiàn)，分別對四類數(shù)據(jù)集：M0606A、M0