基于Web點擊流的頻繁訪問序列挖掘研究.pdf

1、對國內外Web使用挖掘研究情況分析可知，以往的頻繁訪問序列挖掘算法在動靜Web點擊流環(huán)境中仍存在諸多問題。單純的Web關聯規(guī)則挖掘忽略了會話的時間特性；簡單的頻繁訪問序列挖掘由于沒有采用合理的約束思想，挖掘出的頻繁訪問序列相當龐大；增量挖掘方法大部分是處理單個序列內部的插入，很少涉及序列本身往數據庫中同時插入和刪除的問題；在處理動態(tài)Web點擊流時，基于False-Positive方法的算法很難處理挖掘查全率和精度之間的矛盾。這幾類問題的

2、研究對電子商務、商業(yè)智能以及市場決策等領域具有重要的意義。 本文首先設計了兩種極大頻繁訪問模式挖掘算法。第一種算法采用雙向駐留時間約束會話中每個頁面，有效限制了無意義頁面的出現。第二種算法根據雙向約束思想對訪問序列的持續(xù)時間進行約束，解決了較長訪問序列帶來的問題。在挖掘帶有時間約束的極大頻繁訪問序列時，這兩種算法的性能優(yōu)于同類算法GENmax、FPmax、SPADE、MSPS和GSP。 其次，本文提出了解決同時往數據庫中

3、插入和刪除整個訪問序列問題的方法，根據序列增量模型，設計了一種增量式頻繁訪問序列挖掘算法。該算法采用約束策略和網站拓撲技術，僅從插入的和刪除的序列中挖掘新的頻繁訪問序列，縮小了頻繁訪問序列的搜索空間，減少了候選子序列的規(guī)模。在利用先前挖掘結果和約束思想的前提下，該算法在處理時間和內存消耗上比算法IncSpan和MFTP有明顯優(yōu)勢。 最后，提出了解決訪問序列查全率和挖掘精度之間的沖突問題的方法，基于False-Negative方法

4、和時間敏感滑動窗模型，提出了一種動態(tài)Web點擊流中挖掘頻繁訪問序列算法。該算法利用帶約束的加權調和計數函數來計算每個訪問序列的支持度計數，通過調節(jié)因子ξ來調整相關比率ρ的大小。在變化最小支持度閾值和調整調節(jié)因子ξ大小的情況下，該算法能夠同時滿足訪問序列查全率和挖掘精度的要求，其性能優(yōu)于算法Lossy Counting和算法MineSW。 本文使用Java語言和C++語言對上述四種算法進行實現，分別對四類數據集：M0606A、M0