多標記傳播聚類算法及其在Web日志挖掘中的應用.pdf

1、隨著Internet的飛速發(fā)展，人們在享受網絡帶來的豐富信息和極大便利的同時，也遇到了“數據豐富知識貧乏”的問題。有效的解決途徑就是將數據挖掘技術應用到WWW的挖掘中，即Web挖掘。Web挖掘包括Web內容挖掘、Web結構挖掘和Web使用挖掘。其中，Web日志挖掘作為Web使用挖掘中最有研究價值的一部分，得到了研究人員的極大關注。利用Web日志挖掘技術可以發(fā)現用戶訪問網站的瀏覽模式及網站頁面之間的關系，繼而進行用戶聚類和頁面聚類。

2、 數據預處理是數據挖掘前期的必要工作，是為數據挖掘算法提供有效輸入和獲取有價值的挖掘結果的前提條件。本文研究了傳統的數據預處理過程，針對網站拓撲結構比較復雜時用戶識別算法時間效率低的缺陷，對傳統的用戶識別算法進行了改進。根據多標記傳播聚類算法的需要，構造了一種適用于該算法的數據預處理過程。本文在對聚類算法研究的基礎之上，為了更好地體現用戶的訪問興趣，以網站訪問頻度為參數，引入了加權關聯矩陣的概念，并提出了一種基于加權關聯矩陣聚類的挖掘

3、算法——多標記傳播聚類算法（MPCA），該算法是對標記傳播思想的擴展，目的在于利用矩陣的稀疏特性來減少算法的執(zhí)行時間。 本文構造的預處理過程省略了復雜的會話識別和事務識別環(huán)節(jié)，可以更加真實地再現用戶的訪問情形。算法效率高，能夠為挖掘算法提供有效的輸入數據。與普通的矩陣聚類算法相比，多標記傳播聚類算法克服了基于距離的算法在空間復雜性和時間復雜性方面的局限性，在處理Web日志構成的大稀疏矩陣方面具有一定的優(yōu)勢。經實際檢驗，表明采用多