網(wǎng)絡日志中用戶興趣的挖掘及利用.pdf

1、網(wǎng)絡日志挖掘旨在通過對網(wǎng)絡日志進行有效的數(shù)據(jù)挖掘,發(fā)掘隱藏在日志數(shù)據(jù)背后的Web用戶訪問模式.這個目標基于這樣的假設:網(wǎng)絡日志中確實蘊含了用戶訪問Web的某些規(guī)律性特性,這些特性反映在某些模式中,這些模式可以被挖掘出來并加以利用.絕大多數(shù)的網(wǎng)絡日志挖掘研究都基于這一假設發(fā)掘出了各種有用的Web用戶訪問模式.但是網(wǎng)絡日志中是否確實蘊含了用戶訪問Web的規(guī)律性特性?如果有,這些特性能否用語言描述出來?如何利用這些特性?論文的核心工作就是圍繞

2、這些問題,使用統(tǒng)計分析、聚類和依賴關(guān)系的建模等挖掘技術(shù),針對Web訪問特性、Web信息檢索、Web站點輔助設計和系統(tǒng)優(yōu)化等領域作了較深入的研究.論文的工作與貢獻主要有四個方面:(1)網(wǎng)絡日志中是否確實蘊含了用戶訪問Web的規(guī)律性特性?如果有,這些特性能否用語言描述出來?論文針對這些問題對實際網(wǎng)絡日志進行了實證性的規(guī)模統(tǒng)計分析.研究了網(wǎng)絡日志規(guī)模與用戶數(shù)、Web頁面數(shù)以及單位用戶訪問的Web頁面數(shù)的關(guān)系,并研究了用戶訪問Web的動機.得出

3、了一些有用的結(jié)論.這些結(jié)論為網(wǎng)絡日志挖掘提供了一定的研究根據(jù)和基礎.(2)基于(1)所得結(jié)論,論文提出了基于Web用戶行為的相關(guān)頁面檢索模型WUBIRM(Web Usage Based IR Model)和搜索引擎系統(tǒng)SISI(Similar Interests,Similar access on Internet)原型.目前的信息檢索技術(shù)主要是基于文本分析和鏈接分析.文中認為頁面是否相關(guān)的最終判定者應該是用戶.為了盡可能地模擬人對頁面

4、相關(guān)性的判斷,論文從真正的網(wǎng)頁使用者——網(wǎng)絡用戶的角度探討了信息檢索技術(shù).文中試圖利用網(wǎng)絡日志中蘊含的用戶在頁面相關(guān)判定上的潛在意識來挖掘相關(guān)頁面.這對于改進傳統(tǒng)的信息檢索技術(shù),從海量信息中快速而準確的檢索相關(guān)頁面具有不可替代的重要意義.(3)基于(1)所得結(jié)論,以及用戶空間(用戶訪問頻率矩陣)的變換,論文提出了用戶興趣空間的概念,并提出兩種用戶興趣空間的構(gòu)造方法:一是利用因子分析理論;二是利用用戶空間中用戶聚類和Web文檔聚類在權(quán)重之

5、間的對偶關(guān)系.與用戶空間相比較,用戶興趣空間突出了用戶的共同興趣,是一個正交空間.分別在用戶空間和兩種用戶興趣空間中作Web頁面聚類,實驗結(jié)果表明,用戶興趣空間的Web頁面聚類效果優(yōu)于用戶空間的聚類,且從用戶空間向用戶興趣空間的轉(zhuǎn)換達到了數(shù)據(jù)壓縮的效果,其中在利用因子分析理論構(gòu)造的用戶興趣空間中的Web頁面聚類效果最好.(4)論文分析了隱藏在Web緩存行為背后的Web用戶行為,認為緩存的替換策略應該充分考慮用戶訪問Web的特性.論文提出