基于用户访问兴趣的路径聚类研究

网站可以通过关注用户访问路径、访问某个页面的时间、在此页面的驻留时间以及由那个链接到此页面的URL等信息,利用聚类技术将具有相同兴趣的用户分类。文章将介绍一种新的基于用户访问兴趣的路径聚类算法,其中定义了新的兴趣度、相似度、及聚类中心。最后采用龙城热线网站日志进行真实测试,实验的结果是成功的。

基于Web日志挖掘的客户访问兴趣分析

数据预处理是Web日志挖掘中的一项关键技术,如何分析客户访问兴趣是Web挖掘中的一个重要研究课题。概述了Web日志挖掘的概念、方法和步骤,重点分析了数据预处理的主要步骤及其实现技术,考虑客户访问路径和浏览时间长度等因素,给出并计算分析了网站用户的访问兴趣的方法。汽修之家网站日志的实际测试结果表明了该方法的有效性。

基于访问兴趣度的用户事务聚类方法

针对现有事务聚类算法复杂度高、精确性不够的问题,提出了基于用户访问兴趣度的事务聚类算法。首先,在Web日志预处理阶段,通过用户兴趣度生成算法得到用户兴趣度事务,减少了聚类操作的数量,提高了聚类结果的准确性;其次,给出了事务相似度的度量方法,并得到事务相似度矩阵以实现事务聚类。该算法减轻了数据挖掘的任务,提高聚类结果的准确性,能广泛地应用于电子商务领域。

个性化学习系统中用户访问兴趣度量方法改进

在基于web使用挖掘的个性化学习系统中，用户访问兴趣度量和表达是一个关键部分，该文分析了现有的三种用户测览兴趣的度量方法，提出了基于用户注册和页面访问时间的兴趣度量方法，以及基于页面浏览时间建立用户一资源评分矩阵，从而更有效地为用户聚类提供数据依据。

一个基于Rough集的用户兴趣访问模式的发现算法

个性化网站是当今商务网站智能化的一个发展方向 ,其特点就是迎合每个用户的浏览兴趣并且不断调整自己来适应用户浏览兴趣的变化 .研究的是如何发现用户访问过程中所关注的兴趣内容 ,从而为网站的个性化推荐服务 .首先对网站的内容抽取出概念 ,生成概念树 ,在此基础上提出了一个基于 Rough集的用户兴趣访问模式的发现算法 。

基于兴趣相似性的Web用户聚类

按照访问兴趣对用户进行聚类分析是Web挖掘的一项重要内容.在用户访问兴趣度量中综合考虑网页内容和浏览路径因素;在聚类分析中,依据访问兴趣定义提出新的相似度计算方法.利用传递闭包法对用户进行聚类.算法可以提高用户聚类的准确性,试验结果验证此算法是有效的.

基于频繁访问页组的路径聚类研究

基于用户会话的页面聚类算法旨在发现用户在浏览过程中频繁访问的页组,为站点管理员优化站点结构提供有力的依据。将介绍一种改进的基于频繁访问页组的路径聚类算法K-PathPlus,其中定义了新的兴趣度、内容链接因子。最后采用龙城热线网站日志进行真实测试,实验的结果是成功的。

基于兴趣的用户聚类分析在入侵检测中的应用

在入侵检测中对用户进行聚类,可以改善安全分析的效率,有助于发现潜在非法用户。在聚类中提出按照访问兴趣对用户进行聚类分析,在用户访问兴趣度量中综合考虑网页内容和浏览路径因素。在聚类分析中,依据访问兴趣定义提出新的相似度计算方法。利用传递闭包法对用户进行聚类。算法可以提高用户聚类的准确性,试验结果表明该算法是有效的。

机上无线局域网用户行为分析

随着无线网络的普及,用户的上网行为分析已经成为各单位提高服务质量、增长收益的重要途径。概述了Web日志挖掘的相关概念、方法和步骤。针对机上无线局域网的用户访问行为,对用户访问日志进行预处理,由日志中的旅客座位信息所关联到的旅客基本信息来确定旅客类别,通过计算分析用户的访问兴趣度,最终得出不同类别旅客的访问兴趣分布。

一种基于K-均值聚类算法的站点结构优化研究

文章以Web网站站点结构优化为目标,针对用户的Web日志数据采用K-均值聚类算法实现对该网站用户的聚类和该网站页面的分析,将具有相似属性和相似浏览模式的用户分为一组,通过聚类发现该类用户的访问兴趣和爱好,通过调整网站页面的内容和结构,达到优化站点结构的目的。

Web站点的路径聚类研究

用户对Web网站访问兴趣可以通过页面的浏览顺序表现出来,Web站点的访问日志记录了用户访问页面的详细信息。介绍Web站点访问日志挖掘的相关知识,并定义新的兴趣度,相似度和聚类中心,提出了一种基于用户访问兴趣的路径聚类算法,最后通过实验来验证这种算法的有效性。

加强校园网管理的有效方法

信息技术已渗透到社会生活的各个领域,网络化信息传输逐渐成为人们获取信息的主渠道。各类学校应主动承担起普及信息技术的责任,提高教师队伍建设,加强校园网有效管理以适应现代社会的要求。

基于Web日志与定制数据采集相结合的Web使用记录挖掘研究

本文提出了基于Web日志与定制数据采集相结合的Web使用记录挖掘新方案,给出了系统模型,该方案增强了系统的适应性、灵活性和准确性。