web使用挖掘中事务间关联规则方法研究

《web使用挖掘中事务间关联规则方法研究》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、辽宁师范大学硕士学位论文

2、lIIIIIIIIIIIIIIIIY1890043摘要Web数据挖掘是在Web资源环境中根据用户的浏览行为提取出用户关心的、有价值的信息过程。Web使用挖掘是数据挖掘的重要组成部分，用户是Web使用挖掘的核心。Web使用挖掘通过关联规则算法获取有意义的、描述用户行为的模型，并为用户提供指导性的预测经验。通过对以往的事务间关联规则挖掘算法的系统分析和总结，本文提出了两种新的事务间关联规则挖掘算法：(1)基于聚类分析的事务间关联规则挖掘算法，该算法首先利用聚类分析将初始的复杂的数据集进行约减，去掉冗余数据，缩小数据集，避免了多次扫描数据库和大量虚假规则的产生；其次对聚类

3、预处理后所得到的各个小数据集分别进行事务间关联规则预测分析。实验结果表明该方法比单独使用事务间关联规则方法具有更高的效率，更能准确的预测用户的兴趣。(2)基于聚类的事务间关联规则双策略分析模型，该算法将双策略兴趣分析模型的思想融入基于聚类分析的事务间关联规则挖掘算法中。该算法首先利用双策略分析模型判断事务间关联规则的完整性，将初始的数据库分为关联库和马尔库，弥补了挖掘漏洞，避免了虚假规则的产生；其次利用聚类分析去掉关联库和马尔库中大量的无关冗余数据，提高算法的执行效率；最后对经过聚类预处理所得到的各个子数据库分别进行事务间关联规则预测和马尔可夫模型预测。实验证明，该算法在准确度和执行效率方面

4、均优于传统的事务间关联规则算法。随着Web技术的不断发展，Web服务器存储的数据也逐渐向着超大化、多维化的方向发展。这为Web使用挖掘提出了新的挑战，即如何解决挖掘速度和准确度之间的矛盾。所以采用事务间关联规则与聚类分析相结合的方法，既提高了挖掘速度又保证了准确度，为Web使用挖掘提出新的创新思路。关键词：Web使用挖掘；事务间关联规则；聚类分析；双策略分析模型；马尔可夫模型Web使用挖掘中事务间关联规则方法研究ThemethodofMiningInter-transactionAssociationRuleforWebUsageMiningAbstractWebdataminingiSth

5、eprocessofextractingvaluableinformationintheWebenvironmentaccordingtotheuser’Sbrowsingbehavior．Webusageminingisanimportantcomponentofdataminingandtheuseristhecoreof朊6usagemining．腑6usageminingextractsthemeaningfulanddescriptivemodelsofuserbehaviorbythealgorithmofassociationrules，enhancestheemciencyo

6、fsearchinginformationandprovidesusers晰thinstructionalforecastexperience．Byanalyzingandsummarizingthepreviousminingalgorithmofinter-transactionassociationrules，twonewinter-transactionassociationrulesareproposed：(1)Miningalgorithmofinter-transactionassociationrulesbasedonclusteringanalysis．Accordingt

7、healgorithm，initialandcomplexdatasetsarereducedbyclusteringanalysis，firstly,whichavoidmulti—SCanSofdatabaseandplentifulfalserulesgeneration．111isstepgeneratesmanysmalldatasetswhicharetreatedbyinter—transactionassociationrules．Experimentalresultsshowthemethodforecastsusers’interestmoreemcientandaccu

8、ratethanthosemethodswhichonlyuseinter—transactionassociationrules．(2)Miningalgorithmbasedonclusteringanalysis’inter-transactionassociationrulesanddual．strategyinterest-analysismode．Theproposedalgorithmusedt