Web日志中連續(xù)頻繁訪問路徑挖掘算法研究.pdf

1、Web挖掘是計算機科學(xué)一個新興的研究方向，而Web頻繁訪問路徑挖掘是其中一個重要的研究方面，具有很強的現(xiàn)實意義。頻繁訪問路徑可分為連續(xù)和非連續(xù)兩種，由于訪問路徑受站點引用結(jié)構(gòu)的限制，本身具有連續(xù)的特點，因此，在某些情況下，挖掘連續(xù)頻繁訪問路徑更具有實際意義。 分析結(jié)果表明，連續(xù)頻繁訪問路徑的挖掘可使用通用的序列模式挖掘算法，但是這類算法挖掘效率較低，且只能得到頻繁訪問路徑；而專用的挖掘算法效率雖高，但適用的領(lǐng)域太窄，只能在最大前

2、向引用集中進行挖掘。為了解決這一問題，對訪問路徑的性質(zhì)進行研究，然后結(jié)合所要解決的問題域，給出了一種能從普通Web日志中挖掘出連續(xù)頻繁訪問路徑的算法。 該算法對WAP-Tree(Web Access Pattern Tree)進行了改進，設(shè)計了一種新的數(shù)據(jù)結(jié)構(gòu)IWAP-Tree (Improved Web Access Pattern Tree)來壓縮訪問序列空間和記錄模式挖掘所需的全部信息；同時，拋棄了傳統(tǒng)的自下而上、利用連接

3、、剪枝來生成頻繁模式集的方法，而采用分區(qū)搜索的方式，為每個頻繁節(jié)點構(gòu)造一棵后綴樹，通過遍歷該后綴樹挖掘出連續(xù)頻繁訪問路徑。采用這種方法進行挖掘，無需生成候選集，而且一次就可以挖掘出所有以根節(jié)點為后綴的連續(xù)頻繁訪問路徑。 設(shè)計并實現(xiàn)了一個實驗系統(tǒng)，并利用該系統(tǒng)比較了WAP算法和作者提出的PAP-Mine(Postfix Access Patterns Mine)算法在挖掘時的內(nèi)存和時間開銷。實驗表明，PAP-Mine算法挖掘效率要