基于Web日志的数据挖掘研究

随着Internet的不断发展,数据挖掘技术的研究和应用也越来越成为热点问题,在国际国内的学术界和信息产业界备受瞩目。如何把数据挖掘技术应用于Web,从Web服务器的日志中发掘有用的、重要的知识（包括模式、规则等）,成为数据挖掘与知识发现的一个重要研究和应用领域,这就是基于Web日志的数据挖掘。 文章首先对数据挖掘作了概括性的阐述,诸如数据挖掘的定义、功能、分类等。接着对数据挖掘的一个重要分支—Web日志挖掘进行了系统的研究。作者围绕对Web挖掘的流程这一线索,尤其是对预处理和模式发现这两个阶段展开了详细深入的探讨。针对数据预处理阶段的几个步骤,如数据清洗、用户识别、会话识别、路径补充等进行了重点的探讨,并给出了其具体实现算法。最后,针对Web挖掘的应用领域之一,作者对自适应的Web站点展开了较为详细的讨论,并提出了自适应站点的架构策略等系列问题。提出了一种适用于Web日志挖掘的数据结构—用户/页面（URLUserID）关联矩阵,来表示用户对页面的访问信息,并且利用基于该关联矩阵的用户聚类、页面聚类和频繁访问路径等算法,从而实现用户和页面的聚类及用户的频繁访问路径。