畢業(yè)設計(論文)-基于關聯(lián)分析的web日志挖掘-wenkub
2023-06-16 01:53:23 本頁面
【正文】 ...................... 1 一、 Web 日志挖掘 .................................................... 2 （一）、數(shù)據(jù)預處理 ............................................... 2 （二）、模式發(fā)現(xiàn) ................................................. 4 （三）、模式分析 ................................................. 5 二、關聯(lián)分析 ........................................................ 5 （一）關聯(lián)規(guī)則 .................................................. 5 （二） Apriori 方 法簡介 ........................................... 7 四、實證分析 ........................................................ 8 （一）數(shù)據(jù)預處理 ................................................ 8 （二）模式發(fā)現(xiàn) .................................................. 9 （三） 模式分析 ................................................. 10 五、個性化推薦 ..................................................... 11 六 、結束語 ........................................................ 12 參考文獻 ........................................................... 13 附錄 ............................................................... 15 南京財經(jīng)大學本科畢業(yè)論文 2 基于 關聯(lián) 分析 的 Web 日志挖掘 摘要 :web 日志挖掘是 web 數(shù)據(jù)挖掘中的一個重要組成部分，通過從 Web 訪問日志中發(fā)現(xiàn)用戶的訪問模式，預測用戶的瀏覽行為。實證分析 Web Log Mining Based On Association Analysis Abstract: Web log mining is an important part of web data mining, finding the user39。 Association analysis。 根據(jù)所挖掘的 Web 數(shù)據(jù)的類型，可以將 Web 數(shù)據(jù)挖掘分為以下三類： Web 內(nèi)容挖掘 (Web Content Mining)、 Web 結構挖掘 (Web Structure Mining)、 Web 使用挖掘 (Web Usage Mining)（也稱為 Web日志挖掘）。 下面是一段日志：① 20211017 00:00:00② ③ 80 ④ GET ⑤ / ⑥ Mozilla/+(Windows； +U；+Windows+NT+； +zhCN； +rv： )+Gecko/20210426+Firefox/。 1．數(shù)據(jù)凈化 數(shù)據(jù)凈化 , 是指將待處理的日志數(shù)據(jù)導入到關系數(shù)據(jù)庫 ,刪除 Web日志數(shù)據(jù)中的錯誤值、缺失值等，同時把與 Web數(shù)據(jù)挖掘無關的變量或數(shù)據(jù)進行清理，已達到簡便運算的目的； 用戶識別 , 是從 Web日志數(shù)據(jù)中找出每個用戶的訪問地址，避免挖掘的重復性。 ( 3) 如果 Web 服務器既沒有 Cookie 也沒有用戶 ID,最常用的方法就是采用啟發(fā)式規(guī)則。會話識別的目的是將用戶的所有訪問序列分成單個的訪問序列。 （ 2）對用戶在一個頁面停留時間設一個域 值△ t。 （ 3）利用用戶的訪問歷史和引用頁來劃分?？梢园?Web頁簡單地分為兩類：內(nèi) 容頁和導航頁。 （ 二 ） 模式發(fā)現(xiàn) 模式發(fā)現(xiàn) , 是對預處理后的數(shù)據(jù)用數(shù)據(jù)挖掘算法來分析數(shù)據(jù)。雖然缺乏深度 , 但仍可用于改進網(wǎng)站結構 , 增強系統(tǒng)安全性 , 提高網(wǎng)站訪問的效率等。分類算法最知名的是決策樹方法，此外還有神經(jīng)元網(wǎng)絡、 Bayesian分類等。主要算法有 k— means、 DBSCAN等。 （ 5） 路徑分析。 二 、關聯(lián)分析 （一） 關聯(lián)規(guī)則 顧名思義，關聯(lián)規(guī)則（ association rule）挖掘技術用于于發(fā)現(xiàn)數(shù)據(jù)庫中屬性之間的有趣聯(lián)系。設 },{ 21 miiiI ??是數(shù)據(jù)集中所有項的集合， I 是二進制文字的集合。設 X ， Y 是數(shù)據(jù)集 D 中的項目集。 規(guī)則 YX?? 在數(shù)據(jù)庫 D 中的支持度 (support) 是交易集中同時包含 X ， Y 的事務數(shù)與所有事務數(shù)之比，記為 Y) support(X ?? )(sup YXport ?? 。 Apriori算法需要兩個步驟：第一個是生成條目集；第二個是使用生成的條目集創(chuàng)建一組關聯(lián)規(guī)則。 k++) do begin Ck+1 = 由 Lk產(chǎn)生的候選 。 /new/clubmain/newim
畢業(yè)設計相關推薦
鄂ICP備17016276號-1