基于Web日志的序列模式挖掘算法的研究.pdf

1、隨著信息時代的來臨,人們越來越依賴來自網(wǎng)絡(luò)中的信息,同時對信息搜索技術(shù)的準(zhǔn)確率的要求也越來越高。然而,由于網(wǎng)絡(luò)中的信息量呈爆炸式增長,并且還包括各種虛假,不相關(guān)等的信息垃圾,無形中給用戶的訪問造成了極大困擾。于是如何在有效時間內(nèi)找到用戶真正需要的信息,成為了當(dāng)前Web日志挖掘研究領(lǐng)域的熱點問題。而其中序列模式挖掘則是作為較為重要的Web日志挖掘技術(shù)的一個重要研究分支,越來越被學(xué)者們關(guān)注。
　　 近年來很多學(xué)者針對搜索技術(shù)提出了效

2、率較高,符合用戶需求的序列模式挖掘算法。序列模式挖掘技術(shù)具有廣泛的實際應(yīng)用價值,它可以在具有序列特征的數(shù)據(jù)上進行挖掘,找到滿足用戶需求的潛在模式,商業(yè)用戶通過分析這些模式進行策略或者結(jié)構(gòu)上的改進措施,以達到他們不同的目的,如提高服務(wù)質(zhì)量或者提高個性化服務(wù)等。比如,序列模式挖掘在商業(yè)領(lǐng)域中被網(wǎng)站用來進行用戶訪問模式挖掘,網(wǎng)絡(luò)超市用這個技術(shù)來進行用戶購買行為預(yù)測等,生物學(xué)家用它來進行生物DNA序列挖掘等。因此,序列模式挖掘技術(shù)研究具有重要的

3、實際意義。
　　 本文主要的研究工作是在Apriori算法基礎(chǔ)上,利用SPADE算法存儲策略,來簡化連接和測試過程,同時為了提高算法效率,也為了使挖掘結(jié)果更加符合用戶需求,在Apriori算法上添加能夠反映用戶需求的時間約束。Apriori算法具有的突出問題是:掃描數(shù)據(jù)庫次數(shù)多,搜索空間大,產(chǎn)生大量的候選集。
　　 所以本文通過添加時間約束對Apriori算法進行改進,希望能達到縮小搜索空間,減少候選集和找到滿足用戶需求