基于Web日志挖掘的页面推荐的研究

摘要

互联网的迅猛发展，为人们提供了各种信息资源，然而，如此庞大的信息量为人们寻找自己真正感兴趣的信息带来困难。因此，要为用户提供更好的服务，关键是发现用户的潜在访问兴趣。解决这一问题的方法就是将传统的数据挖掘技术应用于Web上，通过分析研究Web服务器日志记录来获取用户的浏览模式，根据用户的行为模式，进行页面推荐和提供个性化服务。 本文首先对数据挖掘、Web挖掘及Web日志挖掘进行了系统的讨论，简单的介绍了数据挖掘的过程、方法和Web挖掘的分类，详细地分析了Web日志挖掘预处理的各个步骤，包括数据净化、用户识别、会话识别、路径补充和事务识别等，并对其实现方法进行了研究；其次在对关联规则深入探讨的基础上，对Apdori算法和改进的Apriod算法进行分析，并用实例对两者进行比较，接着，介绍了序列模式挖掘的相关概念，详细描述了基于Apriofi算法的类Apriod算法，并将Apriori算法的改进思想应用到类Apriod算法，改进类Apdori算法的性能，并用具体实例详细分析了改进的类Apriod算法的流程；最后设计并实现了一个基于Web日志挖掘的页面推荐系统模型，使用南京理工大学钟声网的Web服务器日志记录进行测试，并给出了相应的推荐方案，供网站设计者参考。

目录

文摘

英文文摘

声明

1绪论

1.1课题背景和研究意义

1.2国内外研究现状

1.3论文主要工作

1.4论文的组织结构

2数据挖掘和Web数据挖掘

2.1数据挖掘

2.1.1数据挖掘的定义

2.1.2数据挖掘的过程

2.1.3数据挖掘的技术

2.2 Web数据挖掘

2.2.1 Web挖掘的定义

2.2.2 Web挖掘的对象

2.2.3 Web挖掘的特点

2.2.4 Web挖掘的难点

2.2.5 Web挖掘的分类

2.3本章小结

3 Web日志挖掘的预处理

3.1 Web日志挖掘的数据源

3.2 Web日志挖掘的过程

3.3 Web日志挖掘的预处理

3.3.1数据净化

3.3.2用户识别

3.3.3会话识别

3.3.4站点提升

3.3.5路径补充

3.3.6事务识别

3.4本章小结

4用户频繁路径的挖掘

4.1关联规则

4.1.1关联规则的基本概念

4.1.2关联规则的挖掘过程

4.1.3关联规则在Web中应用

4.2 Apriori算法

4.2.1 Apriori算法的核心思想

4.2.2 Apriori算法的伪代码

4.2.3 Apriori算法的改进

4.3序列模式挖掘

4.3.1序列模式概述

4.3.2类Apriori算法及其改进

4.4本章小结

5基于Web日志挖掘的页面推荐系统的设计

5.1系统设计框架

5.2系统运行环境

5.3离线分析模块

5.3.1 Web日志预处理模块

5.3.2模式发现模块

5.4在线推荐模块

5.5本章小结

6结束语

6.1总结

6.2展望

致 谢

参考文献