基于WEB挖掘的站點設(shè)計的研究.pdf

1、在Internet技術(shù)迅猛發(fā)展的今天，面對Web上浩如煙海的數(shù)據(jù)信息，如何幫助人們有效地收集、選擇和存儲所感興趣的信息以及在日益增多的信息中發(fā)現(xiàn)新的概念和它們之間的關(guān)系，使之能做到信息處理的自動化，已成為現(xiàn)今IT研究的熱點問題。而數(shù)據(jù)倉庫(DW)和數(shù)據(jù)挖掘(DM)技術(shù)，就是幫助人們從海量信息中進行智能的、自動的抽取和精化有價值的知識，從中揭示出蘊含在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和規(guī)律，解決社會發(fā)展中的實際問題并用于宏觀輔助決策的。如

2、何對Web上的海量信息進行復(fù)雜的應(yīng)用，解決數(shù)據(jù)的應(yīng)用質(zhì)量問題，充分利用有用的數(shù)據(jù)，是當(dāng)今數(shù)據(jù)挖掘技術(shù)的最重要的應(yīng)用。 盡管傳統(tǒng)的數(shù)據(jù)庫技術(shù)和數(shù)據(jù)挖掘技術(shù)已經(jīng)取得了飛速的發(fā)展并且日趨完善，但由于Web數(shù)據(jù)結(jié)構(gòu)的特殊性，使得傳統(tǒng)技術(shù)不能直接應(yīng)用在Web的信息挖掘中。Web日志數(shù)據(jù)是記錄用戶對Web站點訪問信息的數(shù)據(jù)，保存有大量用戶訪問路徑信息，從Web日志中發(fā)現(xiàn)有用的信息是非常必要的，對這些信息的分析有利于設(shè)計人員掌握用戶的喜好和訪

3、問習(xí)慣，網(wǎng)站設(shè)計人員應(yīng)考慮調(diào)整網(wǎng)站結(jié)構(gòu)，對用戶比較關(guān)心的實時信息查詢加大投入力度，找出一個如何更好地去優(yōu)化網(wǎng)站結(jié)構(gòu)的策略，確定預(yù)傳那些網(wǎng)頁到客戶端，以便更好地為訪問用戶服務(wù)，并能提高網(wǎng)站的可維護性，讓豐富、便捷的網(wǎng)站提高教育網(wǎng)的辦公自動化。 傳統(tǒng)的關(guān)聯(lián)規(guī)則技術(shù)是從包含一組事務(wù)記錄的數(shù)據(jù)庫中發(fā)現(xiàn)一些事務(wù)項目間關(guān)系的信息。本文的工作將致力于關(guān)聯(lián)規(guī)則的概念引入到Web挖掘系統(tǒng)中，將用戶的訪問路徑以關(guān)聯(lián)規(guī)則的形式表現(xiàn)出來，其目的在于從用

4、戶訪問超文本系統(tǒng)的行為中發(fā)現(xiàn)用戶的訪問模式。因此，挖掘的關(guān)聯(lián)規(guī)則可幫助我們了解用戶的關(guān)注所在，可更好地組織站點內(nèi)的Web信息結(jié)構(gòu)，為教師、教育管理者等提供重要的、有價值的信息。 本文在綜述關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、Web數(shù)據(jù)挖掘分類、研究內(nèi)容和目前研究現(xiàn)狀的基礎(chǔ)上研究了Web日志挖掘的機理，明確了Web用戶訪問日志挖掘研究難點在于：如何對原始日志數(shù)據(jù)進行預(yù)處理；如何設(shè)計有效的挖掘算法。針對這兩個難題，本文研究及總結(jié)了預(yù)處理技術(shù)，利用Apri