基于后缀数组的Web用户访问模式高效挖掘算法

论文摘要

WEB访问模式是用户沿URL 超链寻找和浏览网页规律的总结。发现用户访问模式,对改进WEB站点结构,个性化用户信息服务,开展有针对性的电子商务活动,建立智能化的WEB站点等方面都有重要意义。用户访问模式挖掘可由如下3 个步骤完成: ①由日志库提取最大前向引用路径, ②由最大前向引用路径发现频繁引用路径序列, ③由频繁引用路径序列得到最大频繁引用路径序列,其中②是问题的核心。迄今已有一些挖掘用户访问模式的研究工作,但多数采用基于生成与测试结合的Apriori算法: 首先产生一组候选集,然后测试候选集中的项是否满足给定最小支持度,反复迭代直至没有新的候选集生成。此方法需多遍扫描数据库,效率不高。本文提出一种新的方法1:由最大前向引用路径集合构造对应的后缀数组,通过对后缀数组的处理,直接生成所需的最大频繁引用路径集。算法对数据只进行一次扫描,复杂度为O(nlogn),且具有增量性质。对合成数据和实际数据的实验结果验证了算法的有效性。

论文目录

• 第一章 绪论
• 1.1 选题的意义
• 1.2 相关工作介绍
• 1.3 本文工作介绍
• 1.4 文章组织
• 第二章 用户访问模式挖掘研究基础
• 2.1 基本术语
• 2.2 Web用户访问过程与用户行为假定
• 2.3 用户访问模式概述
• 2.4 用户访问模式挖掘流程
• 2.5 数据预处理
• 2.5.1 数据说明
• 2.5.2 数据清洗
• 2.5.3 用户识别
• 2.5.4 会话识别
• 2.5.5 路径补全
• 2.5.6 格式化
• 2.6 事务分割方法
• 2.6.1 引用长度事务分割方法
• 2.6.2 最大前向路径
• 2.6.3 时间窗口
• 第三章 后缀数组介绍
• 3.1 后缀数组简介
• 3.2 后缀数组相关概念
• 3.3 后缀数组性质
• 第四章 用户访问模式挖掘算法
• 4.1 算法总体思想
• 4.2 数据准备
• 4.3 挖掘算法TP-SA
• 4.3.1 TP-SA
• 4.3.2 算法复杂度分析
• 第五章 算法实现及实验
• 5.1 程序实现环境及技术说明
• 5.1.1 数据结构说明
• 5.1.2 数据集说明
• 5.1.3 功能方法说明
• 5.2 实验设计及说明
• 5.2.1 手工数据实验
• 5.2.2 算法的延展性实验
• 5.2.3 实际数据实验
• 5.2.4 算法的增量性实现讨论
• 第六章 结束语
• 参考文献
• 摘要
• Abstract
• 致谢
• 导师及作者简介