網(wǎng)絡(luò)日志中用戶(hù)興趣的挖掘及利用.pdf

1、網(wǎng)絡(luò)日志挖掘旨在通過(guò)對(duì)網(wǎng)絡(luò)日志進(jìn)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(hù)訪問(wèn)模式.這個(gè)目標(biāo)基于這樣的假設(shè):網(wǎng)絡(luò)日志中確實(shí)蘊(yùn)含了用戶(hù)訪問(wèn)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(lái)并加以利用.絕大多數(shù)的網(wǎng)絡(luò)日志挖掘研究都基于這一假設(shè)發(fā)掘出了各種有用的Web用戶(hù)訪問(wèn)模式.但是網(wǎng)絡(luò)日志中是否確實(shí)蘊(yùn)含了用戶(hù)訪問(wèn)Web的規(guī)律性特性?如果有,這些特性能否用語(yǔ)言描述出來(lái)?如何利用這些特性?論文的核心工作就是圍繞

2、這些問(wèn)題,使用統(tǒng)計(jì)分析、聚類(lèi)和依賴(lài)關(guān)系的建模等挖掘技術(shù),針對(duì)Web訪問(wèn)特性、Web信息檢索、Web站點(diǎn)輔助設(shè)計(jì)和系統(tǒng)優(yōu)化等領(lǐng)域作了較深入的研究.論文的工作與貢獻(xiàn)主要有四個(gè)方面:(1)網(wǎng)絡(luò)日志中是否確實(shí)蘊(yùn)含了用戶(hù)訪問(wèn)Web的規(guī)律性特性?如果有,這些特性能否用語(yǔ)言描述出來(lái)?論文針對(duì)這些問(wèn)題對(duì)實(shí)際網(wǎng)絡(luò)日志進(jìn)行了實(shí)證性的規(guī)模統(tǒng)計(jì)分析.研究了網(wǎng)絡(luò)日志規(guī)模與用戶(hù)數(shù)、Web頁(yè)面數(shù)以及單位用戶(hù)訪問(wèn)的Web頁(yè)面數(shù)的關(guān)系,并研究了用戶(hù)訪問(wèn)Web的動(dòng)機(jī).得出

3、了一些有用的結(jié)論.這些結(jié)論為網(wǎng)絡(luò)日志挖掘提供了一定的研究根據(jù)和基礎(chǔ).(2)基于(1)所得結(jié)論,論文提出了基于Web用戶(hù)行為的相關(guān)頁(yè)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(rèn)為頁(yè)面是否相關(guān)的最終判定者應(yīng)該是用戶(hù).為了盡可能地模擬人對(duì)頁(yè)面

4、相關(guān)性的判斷,論文從真正的網(wǎng)頁(yè)使用者——網(wǎng)絡(luò)用戶(hù)的角度探討了信息檢索技術(shù).文中試圖利用網(wǎng)絡(luò)日志中蘊(yùn)含的用戶(hù)在頁(yè)面相關(guān)判定上的潛在意識(shí)來(lái)挖掘相關(guān)頁(yè)面.這對(duì)于改進(jìn)傳統(tǒng)的信息檢索技術(shù),從海量信息中快速而準(zhǔn)確的檢索相關(guān)頁(yè)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(hù)空間(用戶(hù)訪問(wèn)頻率矩陣)的變換,論文提出了用戶(hù)興趣空間的概念,并提出兩種用戶(hù)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(hù)空間中用戶(hù)聚類(lèi)和Web文檔聚類(lèi)在權(quán)重之

5、間的對(duì)偶關(guān)系.與用戶(hù)空間相比較,用戶(hù)興趣空間突出了用戶(hù)的共同興趣,是一個(gè)正交空間.分別在用戶(hù)空間和兩種用戶(hù)興趣空間中作Web頁(yè)面聚類(lèi),實(shí)驗(yàn)結(jié)果表明,用戶(hù)興趣空間的Web頁(yè)面聚類(lèi)效果優(yōu)于用戶(hù)空間的聚類(lèi),且從用戶(hù)空間向用戶(hù)興趣空間的轉(zhuǎn)換達(dá)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(hù)興趣空間中的Web頁(yè)面聚類(lèi)效果最好.(4)論文分析了隱藏在Web緩存行為背后的Web用戶(hù)行為,認(rèn)為緩存的替換策略應(yīng)該充分考慮用戶(hù)訪問(wèn)Web的特性.論文提出