基于电子商务日志的web使用挖掘研究

《基于电子商务日志的web使用挖掘研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文基于电子商务日志的Web使用挖掘研究姓名：金述强申请学位级别：硕士专业：计算机应用技术指导教师：蒋外文20090522摘要随着Internet的日益普及和电子商务的蓬勃发展，基于电子商务的业务也面临着越来越激烈的竞争。由于电子商务站点可为数据挖掘提供极为丰富的数据源，因而如何运用数据挖掘技术对Web服务器上的日志数据和交易数据进行挖掘，从中抽取感兴趣的模式，以便更好地理解客户的访问行为，或改进站点结构和为客户提供更多的个性化推荐服务，已成为众多商家所关注焦点。因此，开展本研究课题有一定的应用价值和意义。本文首先概述了Web使用挖掘。介绍了日志挖掘技

2、术中两大关键技术一序列模式挖掘和聚类分析，并分析了算法的优缺点，为后面的应用奠定理论基础。接着，详细讨论了Web日志挖掘的数据预处理过程，包括数据净化，用户识别，会话识别，Frame过滤，路径补充等。然后，对传统的矩阵聚类算法进行优化，改进为权值矩阵聚类算法。该算法对用户浏览时间和点击次数两个数据的离散化，来得到加权的URL--UserlD访问矩阵，应用该算法分别对客户和页面的聚类分析，对客户的聚类来发现相似的客户群体，挖掘潜在客户，对页面聚类来将内容相关的页面归类；接下来，通过对聚类分析后的每一类用户访问日志分析，发现每一类用户的MFP事务数据库，再利用GSP算法找

3、出每一类用户的频繁访问路径。最后把聚类和序列模式挖掘结果应用到电子商务推荐系统中，并给出一个个性化推荐系统PRS的原型。实验表明改进的权值矩阵聚类算法具有较高准确性和良好扩展性。将挖掘结果应用于个性化推荐系统的思想是有效的、可行的。关键词：日志预处理，电子商务，权值矩阵聚类，频繁访问路径，个性化推荐系统ABSTRACTWiththepopularizationofIntenretandthedevelopmentofe-commerce，thebusinessofe-commerceareconfrontedwithmoreandmoreintensecompetit

4、ion．E—commercesiteprovidesabundantdatasourcefordatamining，thusmoreandmoremerchantsareconcernonhowtomakeuseofdataminingtechnologywhichcarriesontheexcavationtothewebserverslogdataandthetransactiondata，fromthatextractioninterestpatterninordertobetterunderstandthecustomervisitbehavior，orimp

5、rovessitestructureandprovidesmorepersonalizedrecommendationservicetocustomers．Therefore，tocarryouttheresearchhavecertainapplicationvalueandsignificance．Thepaperfirstoutlinedthewebusagemining．Introducedtwokeytechnologiesofweblogmining--sequentialpatternminingandclusteranalysis，analyzedth

6、eadvantagesanddisadvantagesofthealgorithm，establishedtheoreticalprincipleforthefollowingapplication．Then，detaileddiscusseddatapreprocessingprocessofweblogmining，includingdatacleaning，useridentification，sessionidentification，Framefilter,pathsupplementandSOon．Then，fortraditionmatrixcluste

7、ringalgorithmcarriesontheoptimization，improvedasweightmatrixclusteralgorithm．Thisalgorithmdiscretesbothuserbrowsingtimeanduserclicktimes，toobtaintheweightedvisitmatrix．Separatelytothecustomerandpage’Sclusteranalysis，customerclusterdiscoversthesimilarcustomercommunity,findlatent