基于粗糙集的Web用戶訪問模式挖掘.pdf

1、隨著數(shù)據(jù)挖掘和萬維網(wǎng)技術(shù)的結(jié)合，使得從收集到的訪問Internet網(wǎng)站日志記錄中進行數(shù)據(jù)挖掘成為可能。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web日志記錄，來發(fā)現(xiàn)用戶訪問Web頁面的模式，便形成了Web日志訪問模式挖掘。Web日志訪問模式挖掘是從Web訪問日志中挖掘有用的用戶訪問，用于找出最頻繁訪問時間、關(guān)聯(lián)模式、序列模式、聚類模式、分類模式及Web訪問趨勢等，這對于優(yōu)化站點結(jié)構(gòu)、為不同類別的用戶提供個性化的服務(wù)具有重要意義。Web日志訪問模式挖掘是目前

2、數(shù)據(jù)挖掘領(lǐng)域的熱點，本文針對Web使用的數(shù)據(jù)源的特點，詳細論述了Web日志訪問模式挖掘的概念、方法和過程。 首先，本文對Web日志挖掘數(shù)據(jù)預(yù)處理的進行了研究。Web日志挖掘的對象不是網(wǎng)絡(luò)上的原始數(shù)據(jù)而是從用戶和網(wǎng)絡(luò)交互過程中抽取出來的訪問數(shù)據(jù)，它包括所請求的URL、發(fā)出請求的IP地址和時間戳等，這些數(shù)據(jù)提供了有關(guān)用戶訪問的豐富信息。本文在這部分的研究重點是如何提取有關(guān)用戶訪問的特征(如用戶的訪問行為、頻度、內(nèi)容等)，以及建立基于

3、用戶訪問行為的數(shù)據(jù)模型。 其次，對基于粗糙集理論的Web日志訪問模式挖掘的研究。在粗糙集理論中，知識被看成是一種分類能力，即在域上構(gòu)造分區(qū)的能力。本文在基于粗糙集理論的思想上對預(yù)處理后的數(shù)據(jù)進行離散化，并給出了一種數(shù)據(jù)模型，使用約簡算法約簡而且提取出穩(wěn)定的分類規(guī)則。由于Web日志中事務(wù)的類與類之間邊界的不確定性，還給出了一種新的使用粗糙集理論對Web事務(wù)中用戶存取模式進行聚類的方法，該方法既考慮了事務(wù)數(shù)據(jù)的序列次序也顧及了其集合