基于web日志的数据挖掘及其在web预取中的应用研究

《基于web日志的数据挖掘及其在web预取中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文基于Web日志的数据挖掘及其在Web预取中的应用研究姓名：张为申请学位级别：硕士专业：计算机软件与理论指导教师：殷贤亮20060430摘要目前Internet已经成为人们获取信息的一个重要途径，随着Web信息的日益增长，如何在如此大量的数据中提取有用信息成为一个重要课题。Web挖掘技术是数据挖掘技术在WWW上的应用，它从大量的WWW资源中提取出隐藏的有用信息，提高WWW的服务效率，具有十分重要的现实意义和广泛的应用前景。另一方面用户在访问Internet时，由于受限于网络带宽往往需要忍受较长的访问延时。为了缓解这种情况，出现网页预取技术

2、，通过在用户浏览当前网页的时间内提取用户将来最有可能访问的网页来降低访问延时，提高Web服务的质量。Web日志挖掘是通过分析Web日志记录以发现用户访问Web页面的模式，其中会话识别是影响到Web日志挖掘的重要因素。基于统计特征的会话识别方法不同于传统的会话识别方法，该方法通过使用统计值来动态设定访问时间阈值来识别会话。传统的关联规则和序列模式挖掘中不能根据隐含的事务分类特征的而挖掘更有效的规则，相对支持度则可以解决该问题并可应用于Web日志挖掘的模式发现。Markov预取模型基于历史的预取模型，是对用户以往的使用记录的统计，再根据这些统计信息来决定预取。传统

3、的Markov模型没有考虑到页面的重要程度以及网站结构对页面的预取的影响，CSM模型结合页面内容及站点结构来调整状态转移矩阵，可以获得更精确的预取结果，提高Web服务的质量。关键词：数据挖掘,Web挖掘,Web日志挖掘,Web预取IAbstractNowInternethasbecomeoneofthemostimportantinformationsources.WiththeenormousgrowthofinformationontheWeb,howtogettheusefulinformationfromthisenormousdataisbecomi

4、nganimportantresearchtopic.WebMiningistheapplicationofDataMiningontheWWWandusedtogetusefulinformationfromthelargeamountofWWWresources.ThisinformationcanbeusedtoimprovetheervicequalityofWWW.SoWebMininghastremendousapplicationvalues.Ontheotherhand,whensurfingontheInternet,usersalwayss

5、ufferfromlongtimewaiting.Webpre-fetchingisoneofthemostpopularstrategieswhichareproposedforreducingtheretrievaltimebypredictingandfetchingthemostlikelywebpagesthataretoberequestedsoonandimprovingtheservicequalityofwebserver(QoS).ThroughanalyzingtheWebusagedata,Webusageminingcanfindth

6、epatternshowusersaccesstheWeb.Inthisprocess,howtoidentifytheusersessionsisoneofthemostimportantfactors.Thestatisticbasedsessionidentificationmethodsetstheaccessintervalaccordingtothestatisticalresultdynamicly.Thetraditionalassociationrulesandsequentialpatternsanalysisecan’tminetheus

7、efulrulesaccordingtothetransactions’hiddenclassifyingcharacters.ButrelativesupportscansolvethisproblemandbeusedtoWebUsagemining.TheMarkovmodelisahistorybasedmodelwhichappliesthestatisticalinformationtoWebpre-fetching.Thismodelhasn’tconsideredthewebpages’importantrankandthetheinfluen

8、ceofwebsitestructur