基于Web日志的頻繁瀏覽路徑挖掘技術(shù)研究.pdf

1、頻繁瀏覽路徑的挖掘是Web使用挖掘中的一個(gè)重要研究領(lǐng)域，它對(duì)于電子商務(wù)網(wǎng)站的商業(yè)決策、改善網(wǎng)站建設(shè)等都有現(xiàn)實(shí)的指導(dǎo)意義。通過(guò)對(duì)大量文獻(xiàn)的研究，本文提出了兩種基于Web日志的頻繁路徑的挖掘算法。
　　 一、提出了一種新的基于Web日志的挖掘用戶瀏覽偏愛(ài)路徑的方法。首先，綜合考慮影響用戶瀏覽興趣的Web日志中的瀏覽次數(shù)、瀏覽時(shí)間和瀏覽接收字節(jié)數(shù)等因素，采用算術(shù)法求解興趣度；其次以瀏覽興趣度為基本元素，以“三矩陣”為數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)挖掘算

2、法，這種“三矩陣”的數(shù)據(jù)結(jié)構(gòu)避免了多次頻繁瀏覽數(shù)據(jù)庫(kù)，提高了算法的效率。以存儲(chǔ)矩陣為基礎(chǔ)建立會(huì)話矩陣和路徑矩陣后，再在會(huì)話矩陣上采用兩個(gè)頁(yè)面向量夾角余弦作為相似用戶的頁(yè)面距離公式進(jìn)行頁(yè)面聚類，求得相似用戶的相關(guān)頁(yè)面集。本文采用的計(jì)算頁(yè)面距離的公式，解決了Humming距離的不足之處，全面考慮了Web日志中多種因素對(duì)頁(yè)面距離產(chǎn)生的影響，得到的相關(guān)頁(yè)面集更精確，相似度更高，進(jìn)而提高了算法的準(zhǔn)確性；最后利用路徑選擇偏愛(ài)度在相似用戶的路徑矩陣上

3、挖掘出相似用戶的瀏覽偏愛(ài)路徑。
　　 二、提出了一種基于Web日志的用戶連續(xù)頻繁路徑的挖掘算法。采用多元線性回歸的方式實(shí)現(xiàn)了興趣度的線性求解；其次將瀏覽興趣度作為一個(gè)屬性，根據(jù)不同需求生成三種Web瀏覽樹(shù)，此瀏覽樹(shù)不僅解決了連續(xù)可回溯路徑的描述問(wèn)題，而且可以全面反映用戶瀏覽情況，使結(jié)果更全面，更實(shí)用；以三種瀏覽樹(shù)為前提，生成倒序單子樹(shù)序列，在經(jīng)過(guò)整合倒序單子樹(shù)后的RT樹(shù)上挖掘出頻繁瀏覽路徑。
　　 本文提出的兩種算法不僅