改进的关联规则在个性化网站建设中的应用

摘要

一个网站有许多个网页组成，网站上的信息分布在这些网页上，不同的用户对不同网页上的信息感兴趣，但是网站中大量的网页存在着结构的不合理性，链接页面的无效性等现状，降低了用户访问页面的效率，如何通过Web使用挖掘技术来了解用户的兴趣和爱好，分析用户的浏览模式，根据用户的当前访问需要，自动实时地为用户提供推荐页面，满足多元化的需求，使得个性化服务势在必行。 本文分析了基于动态网页下信息采集的方法和算法，通过基于逻辑与运算构造支持矩阵快速挖掘频繁模式的挖掘算法(FDLG)对信息进行挖掘产生关联规则，并借助模糊动态聚类算法辅助实现个性化推荐的体系结构。 论文的主要工作如下： (1)概述了数据挖掘的有关研究内容，探讨了关联规则数据挖掘的研究现状。 (2)探索了动态网页下数据采集的方法，大大减少了记录量，提高了用户的识别率。 (3)对关联规则挖掘理论展开研究，讨论了一些传统的关联规则挖掘算法存在的问题，然后提出了基于逻辑与运算的快速挖掘频繁模式的挖掘算法FDLG，减少了计算量，提高了挖掘效率。 (4)本文提出了访问页面关联规则和访问模式聚类分析结果相结合进行个性化推荐的方法，模糊聚类算法作为关联规则的预处理或者通过模糊聚类将相似的用户或相似页面聚在一起，形成相似用户、页面群体，从而有利地为个性化推荐提供服务。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章数据挖掘

1.1课题研究背景及意义

1.2数据挖掘的产生

1.3数据挖掘技术的过程

1.4数据挖掘方法

1.4.1关联规则挖掘

1.4.2分类与预测

1.4.3聚类

1.5 Web挖掘

1.5.1 Web个性化挖掘的发展历史及国内外研究现状

1.5.2 Web数据挖掘的分类

1.6数据挖掘存在的问题及发展趋势

1.7论文的主要内容与结构

1.8小结

第二章关联规则挖掘理论与算法

2.1关联规则基本理论

2.1.1关联规则基本概念

2.1.2关联规则挖掘类型

2.1.3挖掘关联规则的基本步骤

2.1.4关联规则挖掘与其它研究领域的关系

2.1.5关联规则挖掘的研究现状

2.2关联规则相关算法及分析

2.3经典的Apriori算法

2.3.1几种Apriori的优化方法

2.4基于二进制形式改进算法

2.4.1构造向量集，频繁1-项集产生

2.4.2频繁项集支持矩阵的构造及频繁2_项集的产生

2.4.3生成频繁k-项集

2.4.4频繁项集挖掘算法

2.4.5对FDLG算法的几点说明

2.4.6 FDLG算法算法与其他算法的性能分析和比较

2.5小结

第三章模糊聚类分析挖掘算法特点的分析

3.1模糊聚类分析

3.2模糊聚类的步骤及其关键算法

3.3.1构造动态模糊相似矩阵

3.3.2构造动态模糊相似矩算法实现

3.3本章小结

第四章基于Web使用挖掘的个性化推荐原型系统的实现

4.1个性化推荐系统原型结构

4.2动态网页环境下Web使用记录挖掘的数据采集方法

4.2.1数据采集程序设计

4.2.2实例及分析

4.3预处理

4.4模式分析

4.4.1关联规则挖掘

4.4.2模糊聚类分析

4.5模式分析

4.6小结

第五章总结与展望

5.1工作总结

5.2研究展望

参考文献

攻读硕士学位期间发表的论文