web日志挖掘相关技术研究

《web日志挖掘相关技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、势粪号：——一UD尊#——⋯，工学硕士学位论文Xj霉3莓凄蠢2整簸{——编母：———鹣b瀑恚挖援搪美技术鞲突碳士研究燃：攫簿羲薅；攀键级掰：举科、专业；蕊程摹整：埝文夔交瓣鬻：论文答辩日期：攀链授予攀凌；刘缎冁强髅海羧搂工攀溪圭计算机应用搜术诗箨糗释学与擅寒擎臻2糟8年i羁2006难2月埝尔演工程炎攀．．堕玺鎏三堡盔兰罂圭主簦笙三摘要随着Internet在流量、规模和复杂度等方面的飞速增长，网络正在成为人们进行信息交流和信息处理的有效平台，网络上积累了海量的数据。面对如此巨大的信息量，如何发现自己所需信息，成了困扰网络用户的一大难题。为了解决上述问题，w曲挖掘技术应运而生，其中，w曲日

2、志挖掘是web数据挖掘研究领域中一个重要的方面，而数据预处理在w曲日志挖掘过程中起着至关熏要的作用。本文深入探讨了数据预处理的主要任务，提出了一种新的web挖掘预处理方案。该方案采用用户访问页面的时间和用户的最低访问时间，界定该页面是否为用户感兴趣的页面，并删除用户不感兴趣的页面和链接页面，寻找一组能够有效压缩搜寻路径(降低搜寻费用)的超链接，重新定义用户的访问事务。数据经过预处理后，就可以根据具体的需求来选择诸如聚类、分类、关联规则等数据挖掘技术。本文研究分析了聚类技术，以及当前w曲聚类的内容和方法，通过聚类用户访问的w曲事务，发现相似的用户群。由于经过预处理后，数据量还是相当大，作

3、者分析研究了基于目标函数的聚类方法后，发现该方法对初始值敏感、易陷入局部最优解，且迭代次数多，为此，提出了一种改进聚类方法。最后，结合一个具体的实例，对算法的有效性进行了验证。关键词：web挖掘；数据预处理；web事务；FcM算法堕玺鎏三堡銮兰2圭兰竺鲨三AbstractWiththes、viftandviolentdevelopmentofIntemetin锄。皿t，scaleandcomplication，Webbecarneane丘bctiveplatfonnonwhichpeoplecommunicateandmallage．Agreatdealofdataaccumulate

4、sintlleWeb．Intlliscase，ittumsintoadimcultpmblemhowtodiscovertheknowledgeweneed．Inordert0solvechatpmblem，W曲miIlingt芒℃hniqueeme唱es，asmetimesrequire．ThetecllIliqueofW曲logminingisanimponampartinmeresearchfieldofW曲milling．Dataprepmces8ingplaysanessemialmleintheprocessof、Ⅳeblogmining．Theauthorprobesin

5、tothemaintaskofdatapr印mcessingdeeply，andintroducesaplall．ThisplanbaSesontlleuser’svisitingtimeandlowestvisitingtiIne，judgest11ispagewhetherisuser’sjntcrestedpage．Thendeletethepaget11atmeuserisnotinterestedin，seeka11Ill讹一1inkthatcanefreclivclyfeducethesearchingway(reducessearcllingexpensel，andre．

6、dennestheWebtransaction．Afterdataispreprocessed，itistimet0selectamethodsu曲asclustering，classifyingandassociatingregulationtominethewebdataaccordingt0t11egivendemand．Theclllstertechniqueisimmduced．Thecoment如dme山odsofw曲clusteringisanalysed．Altllou曲datahasbeenpmcessed，tIle唧ountofdataisstillverygrea

7、t，soISODATA(ItemtiveSelfO唱anizingDataAnalysisTecllIliqueA)metllodisused．Butthismetllod’sjnitiaJvajuejssensidveandjtislikelytotr印intoIocalbestvalue．AnimpmvedmetbodisputforwardaIldtovalidatedusingthetrialdataKey帕rds：WebMining；