基于WEB日志挖掘的個(gè)性化服務(wù)技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速普及和廣泛應(yīng)用，網(wǎng)絡(luò)信息資源的數(shù)量及網(wǎng)站設(shè)計(jì)的復(fù)雜度也呈急劇增長(zhǎng)趨勢(shì)。一方面，人們?cè)絹?lái)越多地關(guān)注如何快速有效地從繁多的網(wǎng)絡(luò)信息中尋找到潛在的、有價(jià)值的信息。另一方面，Web網(wǎng)上的服務(wù)商也在不斷設(shè)法獲取用戶(hù)瀏覽的興趣愛(ài)好，以便為用戶(hù)提供更有針對(duì)性的服務(wù)。但是由于Web是動(dòng)態(tài)的無(wú)結(jié)構(gòu)的，并且Web頁(yè)面的復(fù)雜程度遠(yuǎn)遠(yuǎn)大于文本文檔。Web日志挖掘就是運(yùn)用傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和Web技術(shù)結(jié)合起來(lái)，來(lái)對(duì)服務(wù)器日志進(jìn)行挖掘和分析處理，從

2、海量的信息數(shù)據(jù)中發(fā)現(xiàn)規(guī)律性的內(nèi)容，解決上面提出的各類(lèi)問(wèn)題。
　　 如今，針對(duì)用戶(hù)特性并向用戶(hù)提供個(gè)性化服務(wù)已經(jīng)成為計(jì)算機(jī)技術(shù)的研究熱點(diǎn)之一。運(yùn)用Web日志挖掘技術(shù)，并結(jié)合Web站點(diǎn)的內(nèi)容、語(yǔ)義信息是目前基于Web日志挖掘的個(gè)性化服務(wù)技術(shù)研究的新趨勢(shì)。
　　 本文首先簡(jiǎn)述了Web日志挖掘的概念、應(yīng)用、研究現(xiàn)狀和研究目前所面臨的問(wèn)題，重點(diǎn)分析了Web日志挖掘系統(tǒng)的實(shí)現(xiàn)過(guò)程，給出了數(shù)據(jù)預(yù)處理的流程并分析了其中的難點(diǎn)；其中預(yù)處理

3、過(guò)程包括數(shù)據(jù)清洗、用戶(hù)識(shí)別、會(huì)話(huà)識(shí)別和路徑補(bǔ)充。其次研究了用于Web日志挖掘技術(shù)的算法。提出了一種新的預(yù)處理模型，采用基于分析用戶(hù)方cookies文件的技術(shù)方法，避免通過(guò)同一代理服務(wù)器訪(fǎng)問(wèn)網(wǎng)站的不同用戶(hù)無(wú)法識(shí)別出來(lái)。采取了用戶(hù)瀏覽行為的聚類(lèi)算法與Web頁(yè)面聚類(lèi)算法相結(jié)合的方法對(duì)用戶(hù)訪(fǎng)問(wèn)模式進(jìn)行挖掘，直接對(duì)網(wǎng)站的拓?fù)浣Y(jié)構(gòu)和用戶(hù)瀏覽信息進(jìn)行處理的關(guān)聯(lián)矩陣方法，避免了復(fù)雜的會(huì)話(huà)識(shí)別，使挖掘過(guò)程更高效多能。再次描述了個(gè)性化服務(wù)的關(guān)鍵技術(shù)，并形成