改進的關聯(lián)規(guī)則挖掘算法在網(wǎng)絡用戶訪問日志分析中的應用.pdf

1、數(shù)據(jù)挖掘，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，在最近幾年里已被數(shù)據(jù)庫界所廣泛研究。數(shù)據(jù)挖掘是致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內部蘊藏知識的技術，從而已成為未來信息技術應用的重要目標之一。從目前的現(xiàn)狀看，大部分學者認為數(shù)據(jù)挖掘的研究仍然處于廣泛研究和探索階段，迫切需要在基礎理論、應用模式、系統(tǒng)構架以及挖掘算法和挖掘語言等方面進行創(chuàng)新。其中關聯(lián)規(guī)則的挖掘是數(shù)據(jù)挖掘中的一個重要的課題，最近幾年已被學術界所廣泛研究。關聯(lián)規(guī)則反映了一個事務與其他事物之間的相互

2、依存性和關聯(lián)性。如果兩個或者多個事物之間存在一定的關聯(lián)關系，那么其中一個事物就能夠通過其它事物預測到。同時，隨著 Internet/web技術的發(fā)展，特別是電子商務的蓬勃發(fā)展為網(wǎng)絡應用提供了廣闊的發(fā)展空間，如何在WWW這個全球最大的數(shù)據(jù)集合中發(fā)現(xiàn)有用信息無疑將成為數(shù)據(jù)挖掘研究的熱點。鑒于商務網(wǎng)絡中日益增長的各類數(shù)據(jù)，如果對用戶的訪問行為做深入的分析，挖掘出對企業(yè)有用的知識，這無疑可為企業(yè)在把握用戶意向、優(yōu)化網(wǎng)站使用效率、預測產品的市場形

3、勢等方面提供有價值的參照依據(jù)。面對商務網(wǎng)絡的多樣性和實用性，如何改進一些傳統(tǒng)的關聯(lián)規(guī)則挖掘算法的效率、研究更有效的新算法是一個非常有意義的課題。因此，本文針對這一課題開展了一些相關的研究工作。 到目前為止，對挖掘關聯(lián)規(guī)則的研究已經(jīng)產生了各種不同的挖掘算法。其中有：多循環(huán)方式的挖掘方法、并行挖掘方法、增量式更新方法、基于約束的挖掘方法、基于多值屬性的挖掘方法等。此外，與關聯(lián)規(guī)則挖掘相關領域的研究還包括：廣義關聯(lián)規(guī)則、關聯(lián)規(guī)則的維護

4、、有價值關聯(lián)規(guī)則的判別等。 本文針對關聯(lián)規(guī)則在網(wǎng)絡用戶訪問日志的挖掘做了以下研究工作： 1．深入學習了數(shù)據(jù)挖掘技術，包括它的基本概念、基本原理、主要算法、以及數(shù)據(jù)挖掘的主要流程等；深入學習Web數(shù)據(jù)挖掘的基本知識、流程、以及研究和發(fā)展狀況。 2．在上述研究的基礎上，對關聯(lián)分析中關聯(lián)規(guī)則挖掘算法FP Growth算法展開具體的研究，并提出了一種改進的關聯(lián)規(guī)則挖掘算法，算法不再需要根據(jù)頭指針表和FP樹生成條件子樹而挖