面向Web日志數(shù)據(jù)挖掘的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘是近年來(lái)隨著數(shù)據(jù)庫(kù)和人工智能技術(shù)的發(fā)展而出現(xiàn)的一種全新信息技術(shù)，也是計(jì)算機(jī)科學(xué)與技術(shù)，尤其是計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展和普遍使用所提出的而且迫切需要解決的重要課題。數(shù)據(jù)挖掘是指從數(shù)據(jù)中提取模式的過(guò)程，數(shù)據(jù)挖掘的提出，讓人們最終有能力認(rèn)識(shí)數(shù)據(jù)的真正價(jià)值，即蘊(yùn)藏在數(shù)據(jù)中的信息和知識(shí)。數(shù)據(jù)挖掘技術(shù)的產(chǎn)生，使得用戶(hù)可以從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律，從而為決策提供更可靠的依據(jù)。數(shù)據(jù)挖掘必須建立在結(jié)構(gòu)化良好的數(shù)據(jù)基礎(chǔ)之上，傳統(tǒng)的數(shù)據(jù)庫(kù)都有一定的數(shù)據(jù)模

2、型，可以根據(jù)模型來(lái)具體描述特定的數(shù)據(jù)，同時(shí)可以很好的定義和解釋相關(guān)的查詢(xún)語(yǔ)言。由于web上存在許多半結(jié)構(gòu)化數(shù)據(jù)，即便在web上得到一些相關(guān)數(shù)據(jù)，將其用于挖掘和分析也是相當(dāng)困難的，因此，面向web的數(shù)據(jù)挖掘要比面向單個(gè)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)挖掘要復(fù)雜的多。由于Internet和WWW的廣泛應(yīng)用，出現(xiàn)了基于異構(gòu)數(shù)據(jù)源的數(shù)據(jù)挖掘，如文檔數(shù)據(jù)挖掘、時(shí)間序列數(shù)據(jù)挖掘、電子商務(wù)系統(tǒng)中的數(shù)據(jù)挖掘。伴隨數(shù)據(jù)庫(kù)技術(shù)的發(fā)展，多媒體數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘、空間數(shù)據(jù)庫(kù)的數(shù)

3、據(jù)挖掘等也引起了許多人的關(guān)注。 Internet的迅猛發(fā)展，尤其是Web的全球普及，使得Web上信息量無(wú)比豐富。通過(guò)對(duì)Web的挖掘，可從Web頁(yè)面中提取所需的知識(shí)：對(duì)總的用戶(hù)訪(fǎng)問(wèn)行為、頻度、內(nèi)容的分析，可得到關(guān)于群體用戶(hù)訪(fǎng)問(wèn)行為和方式的普遍知識(shí)，用以改進(jìn)Web服務(wù)設(shè)計(jì)。更重用的是，通過(guò)對(duì)這些用戶(hù)特征的理解和分析，有助于開(kāi)展有針對(duì)性的電子商務(wù)活動(dòng)。 隨著數(shù)據(jù)挖掘和萬(wàn)維網(wǎng)技術(shù)的結(jié)合，使得從收集到的訪(fǎng)問(wèn)Internet網(wǎng)頁(yè)的網(wǎng)

4、站日志記錄中進(jìn)行數(shù)據(jù)挖掘成為可能。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于Web日志記錄，來(lái)發(fā)現(xiàn)用戶(hù)訪(fǎng)問(wèn)Web頁(yè)面的模式，便形成了Web訪(fǎng)問(wèn)模式挖掘。它對(duì)于優(yōu)化站點(diǎn)結(jié)構(gòu)、為不同類(lèi)別的用戶(hù)提供個(gè)性化服務(wù)，有效地實(shí)現(xiàn)信息獲取和信息推送是非常必要的。Web訪(fǎng)問(wèn)模式挖掘是目前數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)課題之一，也是Web日志挖掘的主要目標(biāo)之一，本文的研究目的是發(fā)現(xiàn)更多有意義的序列模式。 本文系統(tǒng)地闡述了從數(shù)據(jù)挖掘、Web數(shù)據(jù)挖掘到Web日志挖掘整個(gè)過(guò)程。通過(guò)對(duì)基于