基于点击流分析的Web日志挖掘研究

摘要

Web日志中包含了大量的用户浏览信息，如何有效地从其中挖掘出用户浏览兴趣模式是一个重要的研究课题。本文以Web日志中的点击流数据为基础，从统计分析和智能分析出发，引入Web挖掘技术对网站上用户的浏览数据-点击流数据进行概化分析，生成相应的量化规则；并进行浏览兴趣路径的研究，提出了用户浏览兴趣路径挖掘算法。这种算法能准确地反映用户浏览兴趣，而且可扩展性较好。可以应用于电子商务网站的站点优化和个性化服务等。 本文首先介绍了Web挖掘、Web日志及Web日志挖掘的意义和主要任务，接着设计了对点击流数据进行实时预处理的方法和算法。在数据挖掘即数据分析部分，研究和设计了用于数据概化分析的面向属性规约的算法，在分析目前用户浏览模式挖掘算法存在的问题的基础上，提出了支持-兴趣度的概念，设计了网站访问矩阵，并基于这个矩阵提出了用户浏览兴趣路径挖掘算法。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第1章Web数据挖掘

1.1 Web挖掘概述

1.2 Web挖掘流程

1.3 Web挖掘分类及各自的研究现状及发展

1.4本文的研究内容及论文组织

第2章Web日志挖掘概述

2.1 Web 日志概述

2.2 Web日志挖掘的分类

2.3 Web日志挖掘的主要任务

第3章点击流数据的预处理

3.1点击流数据预处理概述

3.1.1点击流分析中的相关中词术语

3.1.2点击流数据预处理的一般过程

3.2点击流数据预处理方法的实现

3.2.1相关库表的设计

3.2.2实时预处理的算法流程

3.3预处理方法的总结

第4章数据概化分析在点击流分析中的研究与实现

4.1数据概化方法概述

4.1.1数据概化的必要性

4.1.2数据概化的一般方法

4.1.3面向属性的数据规约方法

4.2点击流数据概化的优点

4.3点击流分析中面向属性归纳方法的设计

4.3.1点击流分析中面向属性归纳解决的问题

4.3.2点击流分析中面向属性归纳的结果表示与评价

4.4实验

第5章在点击流数据中挖掘用户兴趣路径的算法设计与实现

5.1关联规则挖掘概述

§5.1.1关联规则的挖掘算法

§5.1.2由频繁项集产生强关联规则

5.2点击流分析中用户浏览兴趣路径挖掘算法设计与实现

5.2.1支持-兴趣度的概念

5.3基于网站访问矩阵的浏览兴趣路径挖掘算法

5.3.1 WEB站点访问的矩阵表示

5.3.2获取兴趣子路径

5.3.3合并兴趣路径

5.3.4兴趣路径挖掘算法

5.4实例验证

结束语

参考文献

致谢