基于kohonen神经网络的用户访问模式挖掘模型的研究

Kohonen神经网络是一个无监督、自组织特征映射网络。由于它通过竞争学习训练权系数，并自动得出各聚类的中心，因此在模式识别、模式控制等领域得到广泛应用。本文基于其在模式聚类中的优点，将其应用于用户访问模式挖掘。 用户访问模式代表了用户访问网站的兴趣。通过挖掘用户访问模式，可以改进Web服务器的性能、改善网站结构、识别电子商务中潜在的客户，提高对用户服务的质量。 然而，Kohonen神经网络用于用户访问模式挖掘时还存在一些不足。由于Kohonen神经网络只输出输入样本和输出神经元之间欧氏距离最小的神经元，即最优匹配的输出神经元，将其应用到用户访问模式挖掘中，也就是仅反映出了用户的一个兴趣，而将用户其他的兴趣忽略了，因此它不适合用户多种兴趣的挖掘。鉴于此，本文引入三角形隶属函数对Kohonen神经网络算法进行改进，输出若干个隶属度大于阈值的神经元，从而解决了该问题。 应用改进的算法，本文设计和实现了用户访问模式挖掘模型。在设计过程中，如何将网络日志数据和神经网络输入数据这两种格式完全不同的数据联系起来是一个难点。本文采取以数据库为数据中转缓存区的方法，实现了这两种不同格式数据之间的转换。 本文最后用江西省新华书店用户访问日志对该模型的性能进行测试，并和其它用户访问模式挖掘方法进行比较。实验表明，本模型能较好的挖掘用户访问模式。