畢業(yè)設(shè)計(論文)-基于關(guān)聯(lián)分析的web日志挖掘(文件)
【正文】 g/, 1056。873。 /,453。 南京財經(jīng)大學(xué)本科畢業(yè)論文 12 表 1:關(guān)聯(lián)度計算結(jié)果表 關(guān)聯(lián)度 關(guān)聯(lián) 數(shù) 分母 數(shù) 分子 分母 118 130 /newimg/ /newimg/ 118 133 /newimg/ /newimg/ 114 129 /newimg/ /newimg/ 112 128 /newimg/ /newimg/ 112 128 /newimg/ /newimg/ 112 128 /newimg/ /newimg/ 112 129 /newimg/ /newimg/ 112 130 /newimg/ /newimg/ 114 133 /newimg/ /newimg/ 153 179 /new/clubmain/newimg/ /new/clubmain/newimg/ 109 129 /newimg/ /newimg/ 112 133 /newimg/ /newimg/ 153 182 /new/clubmain/newimg/ /new/clubmain/newimg/ 109 130 /newimg/ /newimg/ 148 179 /new/clubmain/newimg/ /new/clubmain/newimg/ 147 178 /new/clubmain/newimg/ /new/clubmain/newimg/ 147 179 /new/clubmain/newimg/ /new/clubmain/newimg/ 146 178 /new/clubmain/newimg/ /new/clubmain/newimg/ 148 181 /new/clubmain/newimg/ /new/clubmain/newimg/ 146 182 /new/clubmain/newimg/ /new/clubmain/newimg/ 145 181 /new/clubmain/newimg/ /new/clubmain/newimg/ 142 178 /new/clubmain/newimg/ /new/clubmain/newimg/ 145 182 /new/clubmain/newimg/ /new/clubmain/newimg/ 142 181 /new/clubmain/newimg/ /new/clubmain/newimg/ 57 181 / /new/clubmain/newimg/ …… …… …… …… …… （算法詳 見附錄） 南京財經(jīng)大學(xué)本科畢業(yè)論文 13 四 、個性化推薦 通過以上的關(guān)聯(lián) 分析， 有了用戶頻繁訪問路徑和鏈接之間的興趣度，可以構(gòu)建個性化推薦系統(tǒng)模型。 Web 日志挖掘作為 Web數(shù)據(jù)挖掘的嶄新研究方向 ,今年來已經(jīng)取得了一些突破性的進(jìn)展 , 但是由于 Web 的不確定性和多樣性 ,以及 Web的不斷壯大，還有很多問題亟待解決 , 有待于我們進(jìn)一步去研究和探索。如：當(dāng)客戶瀏覽 /newimg/，有 /newimg/，那么，在兩者之間就存在很高的關(guān)聯(lián)性，從而我們有必要對這兩個鏈接建立某種跟緊密的聯(lián)系。 （ 2）生成關(guān)聯(lián)規(guī)則 從單項集合中，生成可能的雙項集合規(guī)則，分別計算置信度。 /newimg/,854。 /new/clubmain/newimg/,1010。 （一） 數(shù)據(jù)預(yù)處理 由于 Web日志數(shù)據(jù)時一個非常龐大的數(shù)據(jù)集體，因此選用數(shù)據(jù)庫作為分析工具 ， 將原始數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫 ，取出前 10000行日志數(shù)據(jù)，處理如下 ： ：存在缺失值的整行 刪除，訪問方式除 GET、 POST、 OPTIONS以外的整行 刪除； 2. 用戶識別：由于數(shù)據(jù)中不存在 IP地址相同，但是操作系統(tǒng)類型或者瀏覽器軟件不同的情況， 從而認(rèn)為不同的 IP地址代表不同的用戶； 、及路徑補(bǔ)充：用戶會話被定義為用戶在對網(wǎng) 站的一次訪問過程中所請求的 URL的集合，若某一用戶發(fā)出連續(xù)兩個 URL的請求的時間差不超過規(guī)定的時間閾值，則這兩次請求被劃分在同一用戶會話中，否則分別屬于兩個不同的用戶會話，對與本數(shù)據(jù)， 時間閾值設(shè)為 30分鐘。 for (k = 1。 2． 置信度 規(guī)則 YX?? 在事務(wù)集中的置信度 (confidence)是指同時包含 X ， Y 的事務(wù)數(shù)與包含 X 的事務(wù)數(shù)之比，它用來衡量關(guān)聯(lián)規(guī)則的可信程度。 一個 關(guān)聯(lián)規(guī)則是形如 YX?? 的蘊涵式，這里 X ， Y 都是項目集，且 1CX? ，1?Y ，并且 ??YX? ， X ， Y 分別稱為關(guān)聯(lián)規(guī)則 YX?? 的前提和結(jié)論。設(shè) kt 和 X 分別為 D 中的事務(wù)和項目集，如果 kt X? ，稱事務(wù) kt 包含項目 集 X 。 T 中的元素 },2,1{ pji j ??? 稱為項。 （ 三 ） 模式分析 基于以上的所有過程， 對原始數(shù)據(jù)進(jìn)行進(jìn)一步分析，找出用戶的瀏覽模式規(guī)律，即用戶的興趣愛好及習(xí)慣，并使其可視化，為網(wǎng)頁的規(guī)劃及網(wǎng)站建設(shè)的決策提供具體理論依據(jù)。關(guān)聯(lián)分析的目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系，自動探測以前未發(fā)現(xiàn)的隱藏著的模式，關(guān)聯(lián)分析經(jīng)常被表達(dá)為規(guī)則的形式。聚類是將數(shù)據(jù)集劃分為多個類，使得在同一類中的數(shù)據(jù)之間有南京財經(jīng)大學(xué)本科畢業(yè)論文 6 較高的相似度，而在不同類中的數(shù)據(jù)差別盡可能大。分類包括的挖掘技術(shù)將找出定義了一個項或事件是否屬于數(shù)據(jù)中某特定子集或類的規(guī)則。 （ 1）統(tǒng)計。當(dāng)用戶對該
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1