学位论文 > 优秀研究生学位论文题录展示

基于Web用户兴趣度的网页重构方法研究

作　者: 曹安得
导　师: 田力威
学　校: 沈阳大学
专　业: 管理科学与工程
关键词: Web日志挖掘数据预处理兴趣度蚁群聚类
分类号: TP393.092
类　型: 硕士论文
年　份: 2011年
下　载: 60次
引　用: 0次
阅　读: 论文下载

内容摘要

随着Internet技术在电子商务、信息共享以及提供在线服务等方面的广泛应用,网络成为人与人之间进行信息处理与信息交流的平台。面对网络日益增长的信息量,如何理解用户与网络系统交互的行为,获取有效的个性化信息,成为困扰网站设计者的难题之一。由此产生了Web挖掘技术,其中Web日志挖掘是Web挖掘中的一个重要方面。本文是围绕Web日志预处理和Web日志挖掘技术方法展开研究的。首先、优化了数据预处理传统的用户识别方法。其次、综合用户浏览时间、浏览次数、浏览行为兴趣提出了新的兴趣度事务识别方法。最后、针对传统聚类算法无效搜索多、收敛速度慢、处理复杂数据差、易陷入局部最优等缺点,本文提出了改进的蚁群聚类算法,将信息熵引入到蚁群算法中,通过k-均值粗聚类的结果作为信息熵蚁群聚类的初始聚类中心,减少了参数以及初始数据分散的特性,提高了系统的运算效率。通过实验发现,本文提出的会话识别方法可以识别出页面浏览时间较长的会话,可以准确发现访问次数较少的链接页面,同时根据用户页面浏览兴趣度来清理掉冗余的页面数据,为日志挖掘方法提供优化的数据源。通过算法对比,本文提出的改进信息熵的蚁群聚类方法收敛速度快、有效搜索多、处理大数问题较准确,从而能更有效的找出访问页面相似的用户,为用户个性化推荐和网站动态构造提供方法策略。

全文目录

摘要  5-6
Abstract  6-11
1 绪论  11-19
  1.1 课题背景和意义  11-12
  1.2 研究现状  12-17
  1.3 本文的研究内容及框架  17-19
    1.3.1 论文内容  17
    1.3.2 研究框架  17-19
2 Web数据挖掘  19-25
  2.1 数据挖掘  19-20
  2.2 Web挖掘  20
  2.3 Web挖掘分类  20-23
  2.4 本章小结  23-25
3 Web日志挖掘及预处理研究  25-33
  3.1 Web日志挖掘  25-28
    3.1.1 Web日志数据源  25-27
    3.1.2 Web日志挖掘的相关概念  27-28
  3.2 Web日志数据预处理过程  28-32
    3.2.1 数据清理  29-30
    3.2.2 用户识别  30-31
    3.2.3 会话识别  31-32
    3.2.4 事务识别  32
  3.3 模式发现与模式分析  32
  3.4 本章小结  32-33
4 基于Web用户兴趣度事务识别  33-39
  4.1 兴趣度事务的提出  33
  4.2 用户兴趣度量  33-36
    4.2.1 用户行为  33-34
    4.2.2 用户的浏览行为概述  34-35
    4.2.3 用户浏览兴趣度量方法  35-36
  4.3 用户行为的用户浏览兴趣度表示  36-38
  4.4 本章小结  38-39
5 Web日志事务聚类方法研究  39-61
  5.1 聚类分析概念及相关方法  39-47
    5.1.1 串行聚类方法  39-41
    5.1.2 并行聚类方法  41-42
    5.1.3 聚类方法的分类及比较  42-43
    5.1.4 数据挖掘对聚类算法的要求  43-44
    5.1.5 聚类分析的数学模型  44-45
    5.1.6 日志聚类  45-47
  5.2 兴趣度事务矩阵表示  47-48
  5.3 相似度事务聚类  48-50
    5.3.1 兴趣度事务离散化及数据规格化  48-50
    5.3.2 事务间相似度定义  50
  5.4 改进蚁群算法对兴趣事务聚类  50-59
    5.4.1 改进的蚁群算法  51-52
    5.4.2 基于K-means的改进信息熵蚁群聚类(KIEAC)组合算法  52-53
    5.4.3 算法流程  53-55
    5.4.4 算法实现  55-56
    5.4.5 聚类分析结果  56-59
  5.5 本章小结  59-61
6 实验与结果分析  61-65
  6.1 总体思路设计  61
  6.2 实验过程  61-63
    6.2.1 WEB日志进行数据预处理  61-62
    6.2.2 设计思路的实现  62-63
  6.3 实验结果及分析  63-64
  6.4 本章小结  64-65
7 总结与展望  65-67
参考文献  67-71
在校期间研究成果  71-72
致谢  72

基于Web用户兴趣度的网页重构方法研究

内容摘要

全文目录

相似论文