多標(biāo)記傳播聚類算法及其在Web日志挖掘中的應(yīng)用.pdf

1、隨著Internet的飛速發(fā)展，人們?cè)谙硎芫W(wǎng)絡(luò)帶來的豐富信息和極大便利的同時(shí)，也遇到了“數(shù)據(jù)豐富知識(shí)貧乏”的問題。有效的解決途徑就是將數(shù)據(jù)挖掘技術(shù)應(yīng)用到WWW的挖掘中，即Web挖掘。Web挖掘包括Web內(nèi)容挖掘、Web結(jié)構(gòu)挖掘和Web使用挖掘。其中，Web日志挖掘作為Web使用挖掘中最有研究?jī)r(jià)值的一部分，得到了研究人員的極大關(guān)注。利用Web日志挖掘技術(shù)可以發(fā)現(xiàn)用戶訪問網(wǎng)站的瀏覽模式及網(wǎng)站頁(yè)面之間的關(guān)系，繼而進(jìn)行用戶聚類和頁(yè)面聚類。

2、 數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘前期的必要工作，是為數(shù)據(jù)挖掘算法提供有效輸入和獲取有價(jià)值的挖掘結(jié)果的前提條件。本文研究了傳統(tǒng)的數(shù)據(jù)預(yù)處理過程，針對(duì)網(wǎng)站拓?fù)浣Y(jié)構(gòu)比較復(fù)雜時(shí)用戶識(shí)別算法時(shí)間效率低的缺陷，對(duì)傳統(tǒng)的用戶識(shí)別算法進(jìn)行了改進(jìn)。根據(jù)多標(biāo)記傳播聚類算法的需要，構(gòu)造了一種適用于該算法的數(shù)據(jù)預(yù)處理過程。本文在對(duì)聚類算法研究的基礎(chǔ)之上，為了更好地體現(xiàn)用戶的訪問興趣，以網(wǎng)站訪問頻度為參數(shù)，引入了加權(quán)關(guān)聯(lián)矩陣的概念，并提出了一種基于加權(quán)關(guān)聯(lián)矩陣聚類的挖掘

3、算法——多標(biāo)記傳播聚類算法（MPCA），該算法是對(duì)標(biāo)記傳播思想的擴(kuò)展，目的在于利用矩陣的稀疏特性來減少算法的執(zhí)行時(shí)間。 本文構(gòu)造的預(yù)處理過程省略了復(fù)雜的會(huì)話識(shí)別和事務(wù)識(shí)別環(huán)節(jié)，可以更加真實(shí)地再現(xiàn)用戶的訪問情形。算法效率高，能夠?yàn)橥诰蛩惴ㄌ峁┯行У妮斎霐?shù)據(jù)。與普通的矩陣聚類算法相比，多標(biāo)記傳播聚類算法克服了基于距離的算法在空間復(fù)雜性和時(shí)間復(fù)雜性方面的局限性，在處理Web日志構(gòu)成的大稀疏矩陣方面具有一定的優(yōu)勢(shì)。經(jīng)實(shí)際檢驗(yàn)，表明采用多