【正文】 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)大學本科畢業(yè)論文 13 四 、個性化推薦 通過以上的關聯(lián) 分析， 有了用戶頻繁訪問路徑和鏈接之間的興趣度，可以構建個性化推薦系統(tǒng)模型。如：當客戶瀏覽 /newimg/，有 /newimg/，那么，在兩者之間就存在很高的關聯(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。 /newimg/,854。 （一） 數(shù)據(jù)預處理 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， 從而認為不同的 IP地址代表不同的用戶； 、及路徑補充：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)， 時間閾值設為 30分鐘。 2． 置信度 規(guī)則 YX?? 在事務集中的置信度 (confidence)是指同時包含 X ， Y 的事務數(shù)與包含 X 的事務數(shù)之比，它用來衡量關聯(lián)規(guī)則的可信程度。設 kt 和 X 分別為 D 中的事務和項目集，如果 kt X? ，稱事務 kt 包含項目 集 X 。 （ 三 ） 模式分析 基于以上的所有過程， 對原始數(shù)據(jù)進行進一步分析，找出用戶的瀏覽模式規(guī)律，即用戶的興趣愛好及習慣，并使其可視化，為網(wǎng)頁的規(guī)劃及網(wǎng)站建設的決策提供具體理論依據(jù)。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。 （ 1）統(tǒng)計。 （ 4）最大向前引用算法 ( MF) 。如果兩個相鄰的瀏覽頁面之間的訪問時間超過 T, 則認為用戶又開始了一個新的會話。可以通過以下 3 種方法來識別用戶 : ( 1) 如果 Web 服務器提供 Cookie , 則具有相同 Cookie 值的頁面請求是來自同一個用戶 。當前， web日志挖掘主要被用于個性化服務與定制、改進系統(tǒng)性能和結構、站點修改、商業(yè)智能以及 web特征描述等諸多領域。s browsing behavior. This essay introduces the method of Association analysis in Web log mining,espacally the method of Apriori， at the same time ,we use this method to analysis a particular site’s log data to find the users’ browsing patterns and association rules between web pages 。 本文主要介紹了 web 數(shù)據(jù)挖掘的一般過程及方法，對 Apriori 關聯(lián)分析方法作了重點闡述，并利用該方法對某網(wǎng)站某天的部分 web 日志數(shù)據(jù)進行了實證分析 ， 得出了 用戶瀏覽模式及網(wǎng)頁內(nèi)容之間的關聯(lián)規(guī)則， 找到單個用戶在瀏覽頁面興趣愛好以及群體用戶的瀏覽習慣， 繼而對網(wǎng)站的網(wǎng)頁規(guī)劃 布局 提出了 個性化 的意見 。 Positive analysis 南京財經(jīng)大學本科畢業(yè)論文 3 隨著 WWW在深度和廣度上的發(fā)展， Inter也前所未有地改變著我們的生活，數(shù)據(jù)信息已經(jīng)在這個時代爆炸了。主要包括：①訪問時間；② 用戶 IP地址 ；③訪問的 URL，端口 ；④ 請求方法 (“ GET”、“ POST”等 )； ⑤ 訪問模式； ⑥ agent，即用戶使用的操作系