畢業(yè)設(shè)計(jì)(論文)-基于關(guān)聯(lián)分析的web日志挖掘(存儲(chǔ)版)
【正文】 Mozilla/+(Windows； +U；+Windows+NT+； +zhCN； +rv： )+Gecko/20210426+Firefox/。 Association analysis。南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 1 目 錄 摘要 ................................................................ 1 關(guān)鍵詞 .............................................................. 1 Abstract ........................................................... 1 Keywords ........................................................... 1 一、 Web 日志挖掘 .................................................... 2 （一）、數(shù)據(jù)預(yù)處理 ............................................... 2 （二）、模式發(fā)現(xiàn) ................................................. 4 （三）、模式分析 ................................................. 5 二、關(guān)聯(lián)分析 ........................................................ 5 （一）關(guān)聯(lián)規(guī)則 .................................................. 5 （二） Apriori 方 法簡(jiǎn)介 ........................................... 7 四、實(shí)證分析 ........................................................ 8 （一）數(shù)據(jù)預(yù)處理 ................................................ 8 （二）模式發(fā)現(xiàn) .................................................. 9 （三） 模式分析 ................................................. 10 五、個(gè)性化推薦 ..................................................... 11 六 、結(jié)束語(yǔ) ........................................................ 12 參考文獻(xiàn) ........................................................... 13 附錄 ............................................................... 15 南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 2 基于 關(guān)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(gè)重要組成部分，通過(guò)從 Web 訪問(wèn)日志中發(fā)現(xiàn)用戶的訪問(wèn)模式，預(yù)測(cè)用戶的瀏覽行為。It also finds the browsing interest of a single user and groups users’ browsing habits, all after then ,we put forward some individual suggestions on web planning. Keywords: Web log mining。 一、 Web 日志挖掘 Web日志挖掘主要是通過(guò)對(duì) web瀏覽的日志數(shù)據(jù)的分析，發(fā)現(xiàn)用戶的瀏覽模式 ，更好地規(guī)劃站點(diǎn) 。 ( 2) 如果 Web 服務(wù)器沒(méi)有提供 Cookie , 但每個(gè)網(wǎng)站用戶都要一個(gè)登錄標(biāo)識(shí)符 ( 用戶 ID) 方可訪問(wèn)站點(diǎn) , 則利用登錄標(biāo)識(shí)符識(shí)別用戶 。一般 T取 30min。設(shè)一個(gè)用戶會(huì)話里不會(huì)出現(xiàn)用戶以前已經(jīng)訪問(wèn)過(guò)的頁(yè)面 , 如果用戶在向前瀏覽到一個(gè)網(wǎng) 4. 路徑補(bǔ)充 用戶會(huì)話對(duì)數(shù)據(jù)挖掘來(lái)講，顯得粗糙，仍不夠精確，需把會(huì)話進(jìn)一步分成具有一定語(yǔ)意的事務(wù)，如同籃子數(shù)據(jù)中顧客一次購(gòu)買的商品。統(tǒng)計(jì)方法是從 Web 站點(diǎn)中抽取知識(shí)的最常用方法 , 它通過(guò)分析會(huì)話文件 , 對(duì)瀏覽時(shí)間、瀏覽路徑等進(jìn)行頻度、平均值等統(tǒng)計(jì)分析。在聚類技術(shù)中，沒(méi)有預(yù)先定義好的類別和訓(xùn)練樣本存在 ，所有記錄都根據(jù)彼此相似程度來(lái)加以歸類。其主要方法有：查詢、 OLAP 技術(shù)和可視化技術(shù) 等 。項(xiàng)目集 X 的支持率 support(X) ,南京財(cái)經(jīng)大學(xué)本科畢業(yè)論文 7 若 support(X) 不小于用戶指定的最小支持率 (記作： minsupport)，則稱 X 為頻繁項(xiàng)目集，否則稱 X 為非頻繁項(xiàng)目集。記為 )(s u p/)(s u p)( Xp o r tYXp o r tYXc o n fid e n c e ??? 規(guī)則 A ? C: 支持度 = support({A}?{C}) = 50% 置信度 = support({A}?{C})/support({A}) = % 圖 1:支持度計(jì)算圖解 Tran
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1