文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > Web使用挖掘技术及其在个性化站点中的应用
侵权投诉

Web使用挖掘技术及其在个性化站点中的应用

数据挖掘与万维网(WWW)是两个热门的研究领域,因此,两者结合的产物——Web挖掘——自然也就成为了当前的热门课题。Web数据挖掘包括Web内容挖掘,Web结构挖掘和Web使用挖掘三个研究方向。文中详细介绍了Web使用挖掘的体系结构及其技术.并介绍了它们在个性化站点中的应用情况。

维普资讯 doc.guandang.net

20 0 7年第 2期

福

建电

脑

8 7

We b使用挖掘技术及其在个性化站点中的应用 童蕙 2 10 ) 0 84 (上海同济大学计算机科学与技术系上海

【要】摘:数据挖掘与万维网( WWW)两个热门的研究领域,是因此,两者结合的产物一 We一 b挖掘一一自然也就成为了 当前的热门课题。We b数据挖掘包括 We b内容挖掘, b结构挖掘和 We使用挖掘三个研究方向。文中详细介绍了 We We b b使用挖掘的体系结构及其技术 .介绍了它们在个性化站点中的应用情况。并

【关键词】:We b挖掘; b用挖掘; We使个性化站点 1引言 .

须划分为会话常采用三十分钟作为默认时间阈值。用户的通把 .

We b挖掘是指使用数据挖掘技术在 WWW数据中发现和点击流划分成会话。 网页浏览识别:就是要确定哪些网页文件请求是属于同分析潜在的、用的模式或信息【有 l 1。We b挖掘可分为三类: b We

个网页浏览以及共同构成什么样的内容 .主要依赖网站结构内容挖掘、We b结构挖掘、 b用挖掘闭 We We使。 b内容挖掘指从有 We b资源中发现信息或知识的过程。We b结构挖掘的对象是和内容的预处理结果 .时也需要利用内容服务器的日志记录。路径完善:由于本地缓存和代理服务器缓存的存在,户用 We b本身的超连接。即对 We b文档的结构进行挖掘。We使用 b 一

.

挖掘是从 We b数据中发现用户使用模式的过程。 b使用挖掘在使用后退按钮浏览网页时 .如果欲浏览的网页在缓存中恰好 We技术能够从服务器浏览器端的日志记录和用户的个人信息中自有副本 .浏览器直接访问缓存中的页面副本,对应的页面访 则其动发现隐藏在数据中的模式信息、了解系统的访问模式以及用问记录也不会在日志中保存 .因此日志中保存的访问记录并不户的行为模式,而做出预测性分析。本文将详细介绍 We从 b使能完整反映用户的访问行为。路径完善的任务是把那些遗漏的用挖掘技术及其在个性化站点中的运用。 重要用

户访问记录补充登记到日志中去 .可以结合站点的拓扑 2 We . b使用挖掘的体系结构结构和引用日志来把路径补充完整。如果用户请求访问的 We b We b使用挖掘的体系结构可分为两个主要部分:第一部分页面与已请求的最后一个页面没有超链接关系 .则需根据引用主要将 We b数据变换成适合挖掘任务的事务数据形式 .数据日志的信息来判断用户是否执行了后退操作 .如果这个请求访即预处理:二部分主要是进行模式发现和模式分析阁 第。 21数据预处理 .问的页面在日志中曾经被访问过 .认为用户执行了后退操作。则 否则认为是一个新会话 2模式发现、 2数据进行预处理后得到相应事务数据库 .在此基础上需要

厂 1竺竺r _] r:].:;一。 ; !『。 l『 ’。; ’ fi一 .:] . 。;『::: — _ 。:] :’ .;:: i 使用统计 I l同页结杓与内容

进行两方面工作:一是将事务数据库整理变换成与一定挖掘技 图 1使用信息预处理流程

术相适应的数据存储形式:二是利用数据挖掘算法挖掘出有效的、颖的、在的、用的及最终可以理解的信息和知识。用新潜有常

数据预处理包括三方面:容预处理、构预处理、用信的技术有 We内结使 b使用挖掘特有的路径分析技术和数据挖掘领域息预处理。内容预处理是指将文本、图像、声音及其它多媒体文常用的关联规则、列模式、类聚类技术等。序分 件转化成为 We用挖掘所需要的数据格式:构预处理是指 b使结路径分析技术:常用的是图。个图代表了定义在网站最一网页浏览与框架图像之间的链接结构设计:使用信息预处理通上的页面之间的联系。图最直接的来源是网站结构图。网站上的 .

过对 We b服务器日志进行数据清冼、户识别、话识别、径页面定义成节点 .用会路页面之间的超级链接定义成图中的边。 b使 We完善和事务识别获得一个服务会话。处理流程如图 l示。其所 用挖掘就是要从图中确定最频繁的路径访

问模式或引用访问序

数据清洗:是指从服务器日志中删除与挖掘任务不相关列。 的数据项,以避免其对用户浏览行为分析的误导。般包括剔除一关联规则挖掘技术:就是要挖掘出用户在一个访问期间用户请求访问失败纪录,除用户请求方法中不是 t纪录, ( es n从服务器上访问页面,件之间的联系。最常用的技术清的 S si ) o文判断是否有重要的访问没有被记录,范 U L地址等。对于日是 A r r法。事务数据库中挖掘出最大频繁访问项集 .项规 R pi算 o从该志中包含图像、音频、视频文件的日志项是否清除则应灵活处集就是管理规则挖掘出来的用户访问模式理,常用户不会主动请求显示图形文件和多媒体文件 .时检通此统计分析:过分析会话文件,以对诸如网页图、览通可浏查后缀名为 g、 P J E, S、的文件,将对应日志项删除时间和导航路径长度等做出不同种类的描述性的统计分析 ( i J G、 G、 S s f P C频即可。 率、均值、中值等)。尽管这种分析缺少深度。但仍有助于改进系用户与会话识别:户机器中缓存、火墙、理服务器统性能,强系统安全性。于站点修改,用防代增便并能提供决策支持。 的使用,得 We使 b日志并没有精确记录用户的浏览行为 .而因序列模式挖掘技术:就是要挖掘出在交易集之间有时间 .

.

.

.

.

从日志中识别用户相对比较复杂。要的用户识别方法有:于序列关系的模式。网站服务器日志里。户的访问是以一段时主基在用 co i ok e的技术和基于网络拓扑结构的路径分析前者通过在间为单位记载的 .经过数据预处理和会话确认后成为一个间断

We日志中添加更多附加信息如用户机器名、 b内部 I来标示的时间序列 .这些序列所反映的用户行为有助于印证其产品所 P名用户,从而能识别通过同一代理服务器上网的不同用户。但处的生命周期阶段 co i过多侵犯个人隐私 .不易为用户所接受另一种方法 ok e会聚类挖掘技术: b使用挖掘中存在两种类型的

聚类: We使 .

是:改变 We日志中的结构。据网络拓朴结构分析 We日用聚类 (户聚类 )网页聚类。用户聚类主要是把所有用户划不 b根 b 用和志中的用户请求。造用户浏览网页的路径,过一些启发式规分成许多组。有相似浏览模式的用户分在一组。类知识在电构通具这则来识别用户。如 .用户当前浏览的页面和历史记录的页面子商务和提供个性化服务的应用中特别有用。网页聚类则可以例若没有任何超链接关系 .那么根据路径分析技术可以认为当前用找出具有相关内容的网页组。这在搜索引擎及提供上网帮助的户已经发生了改变。别出用户之后 .个用户的点击序列就必应用中很有用。上述两类应用都能根据用户的询问或过去所需识每

Web使用挖掘技术及其在个性化站点中的应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email