發(fā)布時間：2017-05-11 11:08

  本文關鍵詞：基于序列模式的Web日志挖掘及其應用，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)及信息技術的飛速發(fā)展，互聯(lián)網(wǎng)信息資源急速膨脹，人們不能有效選擇和消化紛繁復雜的信息，淹沒在信息的海洋中，這種現(xiàn)象稱為信息過載。目前，人們主要使用搜索引擎來檢索Web上的信息資源，但搜索出來的結(jié)果不夠智能友好，沒有考慮用戶的興趣愛好，出現(xiàn)了“數(shù)據(jù)豐富，知識匱乏”的現(xiàn)象。 Web挖掘是數(shù)據(jù)挖掘在Web上的應用，它從互聯(lián)網(wǎng)上的信息資源獲取知識，已成為當前計算機科學技術的一個研究熱點。Web日志挖掘也叫Web使用挖掘，是Web挖掘的一個重要分支，通過使用Web日志序列模式挖掘技術，可從網(wǎng)站服務器的日志文件中挖掘出用戶的訪問模式，有利于改善Web的結(jié)構(gòu)設計，為站點管理提供決策支持，為用戶提供更好的訪問體驗。 本文系統(tǒng)地闡述了數(shù)據(jù)挖掘、Web數(shù)據(jù)挖掘、序列模式挖掘、Web日志挖掘的各個過程。因為原始的Web日志包含了大量的噪聲數(shù)據(jù)，若不作處理將影響數(shù)據(jù)挖掘結(jié)果的質(zhì)量，所以本文首先對日志進行預處理，結(jié)合Apache Log Viewer、Microsoft VisualStudio2005等工具以及預處理方法函數(shù)對日志進行數(shù)據(jù)清理和會話識別，為建立數(shù)據(jù)挖掘模型提供了數(shù)據(jù)源。然后，采用微軟的商業(yè)智能挖掘工具SQL服務器分析服務SSAS為實驗工具，Microsoft順序分析和聚類分析算法為數(shù)據(jù)挖掘算法，對預處理后的數(shù)據(jù)進行挖掘，并把挖掘出來的結(jié)果進行前端展示，得出用戶頻繁訪問的頁面欄目及基于序列模式的用戶訪問路徑。接著，本文對挖掘結(jié)果進行分析，提出了完善網(wǎng)站的四點建議，并把其應用到醫(yī)院網(wǎng)站建設中。實踐表明，網(wǎng)站的平均流量及頁面瀏覽量得到提高，用戶體驗提高較為明顯。
【關鍵詞】：數(shù)據(jù)挖掘 Web日志挖掘 序列模式挖掘 SSAS 商業(yè)智能BI
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.09;TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 目錄7-9
• 第一章 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究與現(xiàn)狀10-11
• 1.3 本文研究的內(nèi)容11
• 1.4 本文的組織結(jié)構(gòu)11-12
• 1.5 本章小結(jié)12-13
• 第二章 基本概念與相關技術13-23
• 2.1 數(shù)據(jù)挖掘概述13-16
• 2.1.1 數(shù)據(jù)挖掘的定義13-14
• 2.1.2 數(shù)據(jù)挖掘的功能14-15
• 2.1.3 數(shù)據(jù)挖掘的過程15-16
• 2.2 序列模式挖掘概述16-17
• 2.3 Web 挖掘的定義17-18
• 2.4 Web 挖掘的分類18-20
• 2.4.1 Web 內(nèi)容挖掘18
• 2.4.2 Web 結(jié)構(gòu)挖掘18-20
• 2.4.3 Web 使用挖掘20
• 2.5 Web 日志挖掘的定義20-21
• 2.6 Web 日志挖掘的應用21-22
• 2.7 本章小結(jié)22-23
• 第三章 Web 日志預處理的關鍵技術及實現(xiàn)23-32
• 3.1 前言23
• 3.2 數(shù)據(jù)清理23-24
• 3.3 用戶識別24
• 3.4 會話識別24-26
• 3.5 數(shù)據(jù)預處理的實現(xiàn)26-31
• 3.5.1 相關工具及方法函數(shù)26-28
• 3.5.2 數(shù)據(jù)預處理的實現(xiàn)過程28-31
• 3.6 本章小結(jié)31-32
• 第四章 商業(yè)智能挖掘工具與算法模式32-43
• 4.1 Web 日志挖掘工具介紹32-36
• 4.1.1 BI 商業(yè)智能32
• 4.1.2 分析服務 SSAS32
• 4.1.3 SSAS 的對象及程序集32-33
• 4.1.4 SSAS 的體系結(jié)構(gòu)33-36
• 4.2 基于 SSAS 的算法選擇36-39
• 4.2.1 SSAS 算法的選擇36-37
• 4.2.2 Microsoft 順序分析和聚類分析算法概述37-38
• 4.2.3 Microsoft 順序分析和聚類分析算法的實現(xiàn)38-39
• 4.3 基于 Markov 鏈的 Web 序列與導航分析39-42
• 4.3.1 Markov 鏈的基本概念39-40
• 4.3.2 基于 Markov 鏈的 Web 序列和導航模式分析40-42
• 4.4 本章小結(jié)42-43
• 第五章 挖掘?qū)崿F(xiàn)及成果應用43-61
• 5.1 Web 日志挖掘的實現(xiàn)43-58
• 5.1.1 Web 日志挖掘的實施43-46
• 5.1.2 前端展示及實驗結(jié)果分析46-58
• 5.2 使用挖掘結(jié)果完善網(wǎng)站58-59
• 5.2.1 加強及新增相關欄目之間的正向鏈接及反向鏈接58
• 5.2.2 消除用戶訪問短路徑的“孤島”現(xiàn)象58-59
• 5.2.3 提高站內(nèi)搜索命中率及就診轉(zhuǎn)化率59
• 5.2.4 提高服務器的性能59
• 5.3 用戶體驗與應用效果59-60
• 5.4 本章小結(jié)60-61
• 總結(jié)與展望61-63
• 1. 內(nèi)容總結(jié)61
• 2. 研究展望61-63
• 參考文獻63-66
• 致謝66-67
• 附件67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 陸麗娜,楊怡玲,管旭東,魏恒義;Web日志挖掘中的數(shù)據(jù)預處理的研究[J];計算機工程;2000年04期

2 余長慧,潘和平;商業(yè)智能及其核心技術[J];計算機應用研究;2002年09期

3 趙紅玲,宋瀚濤,牛振東,劉桂山;Web日志挖掘中數(shù)據(jù)預處理的研究[J];計算機應用研究;2005年06期

4 閆永權;張大方;;基于頻繁的Markov鏈預測模型[J];計算機應用研究;2007年03期

5 陳卓;楊炳儒;宋威;宋澤鋒;;序列模式挖掘綜述[J];計算機應用研究;2008年07期

6 李丹實;;使用SQL Server2005構(gòu)建數(shù)據(jù)挖掘應用程序[J];煤炭技術;2011年07期

7 楊怡玲,管旭東,陸麗娜,尤晉元;一個簡單的Web日志挖掘系統(tǒng)[J];上海交通大學學報;2000年07期

8 馬瑞民;李向云;;Web日志挖掘中數(shù)據(jù)預處理技術的研究[J];計算機工程與設計;2007年10期

9 郭秀娟,李原;序列模式算法研究——類Apriori方法[J];現(xiàn)代情報;2003年12期

  本文關鍵詞：基于序列模式的Web日志挖掘及其應用，由筆耕文化傳播整理發(fā)布。

本文編號：357110