基于Web的用戶行為分析和挖掘的關(guān)鍵技術(shù)研究.pdf

1、網(wǎng)絡(luò)用戶行為分析是一種新的、迅速發(fā)展的領(lǐng)域，它已成為當今研究的熱門話題，如何為用戶提供高品質(zhì)和個性化的服務(wù)，如何滿足用戶的需求是急需解決的核心問題。用戶行為分析不僅需要數(shù)據(jù)挖掘，更離不開數(shù)據(jù)挖掘中的Web挖掘。它具有很高的實用價值，尤其是在電子商務(wù)領(lǐng)域。
　　本文分析了當前Web用戶行為分析中的關(guān)鍵技術(shù)，Web使用挖掘，而Web使用挖掘的核心研究內(nèi)容是Web日志中的興趣關(guān)聯(lián)規(guī)則和Web用戶瀏覽模式的聚類算法。一方面，在用戶興趣關(guān)聯(lián)

2、規(guī)則的基礎(chǔ)上，結(jié)合Web區(qū)域的劃分，提出一種新的用戶興趣關(guān)聯(lián)規(guī)則，這種興趣關(guān)聯(lián)規(guī)則來源于現(xiàn)今網(wǎng)絡(luò)用戶對區(qū)域的選擇以及用戶在頁面上瀏覽所表現(xiàn)出來的不同興趣程度，進而提出一種基于興趣區(qū)域的使用挖掘算法。這種算法是通過點擊流數(shù)據(jù)的加權(quán)計算，并通過頁面瀏覽路徑的興趣度來提高單頁面區(qū)域推薦的準確度。另一方面，在提出的用戶興趣關(guān)聯(lián)規(guī)則基礎(chǔ)上，需要為多組用戶分類，以便針對不同類型的用戶進行個性化推薦，研究了Web用戶瀏覽模式的聚類算法：粗糙k-均值聚

3、類算法和Leader聚類算法。這兩種方法都存在著一些缺點，第一種方法的聚類準確率好，但是時間復雜度較大，第二種方法時間復雜度較低，但是聚類準確率不夠理想。本文以模糊理論為基礎(chǔ)，結(jié)合Leader算法，實現(xiàn)一種改進的基于Leader算法的用戶瀏覽模式聚類算法。
　　本文研究的兩種方法都具有較高的實用性，在互聯(lián)網(wǎng)站點及電子商務(wù)中都有比較大的用途，其創(chuàng)新點在于：
　　1)詳細分析用戶的興趣關(guān)聯(lián)規(guī)則模型，并對現(xiàn)有模型做出改進，增加瀏覽