Web访问挖掘中数据预处理的改进

在分析现有的Web访问挖掘数据预处理模型和会话识别算法的基础上,提出了一种改进的Web访问挖掘数据预处理模型并对基于时间和引用的启发式会话识别算法进行了改进。实验证明,改进的Web访问挖掘数据预处理模型和会话识别算法非常适合于当前搜索引擎广泛使用下的Web访问挖掘数据预处理。

Web访问挖掘中事务聚类研究

Web访问挖掘可以发现用户浏览Web的目标、兴趣等行为模式,使Web变得更容易获取信息。聚类分析是Web访问挖掘系统的重要组件,聚类分析的质量决定挖掘结果的有效性。现有的三类聚类算法具有各自的缺点,本文概述了三种算法,给出了一种基于广义后缀树的聚类算法,通过实例说明了它的原理和优点。

基于Web访问挖掘的个性化智能推荐服务

通过对使用基于关联规则挖掘方法和聚类用户事务方法进行分析、比较,总结它们的优缺点,认为这两种获取用户个性化模式的方法都可实现提供个性化主动信息服务的目的。

用户访问模式挖掘中数据预处理问题的研究

首先给出了用户访问模式挖掘的概念,然后主要对用户访问模式挖掘中的数据预处理工作中碰到的一些问题及对这些问题的解决方法进行了较为详细的描述。

Web用户访问模式挖掘

随着网站内容的不断丰富和访问量的增加 ,网站结构变得越来越复杂 ,导致信息获取和推送都比较困难 .将数据挖掘技术应用于用户访问模式 ,形成了Web访问模式挖掘 .Web访问模式挖掘是从Web访问日志中挖掘有用的用户访问信息 ,据此可以形成关联规则、序列模式、聚类模式和分类模式等 4类信息 ,这对于优化站点结构、为不同类别的用户提供个性化服务 ,有效地实现信息获取和信息推送是非常必要的 .Web访问模式挖掘是目前数据挖掘领域的一个重要研究课题 ,结合研究工作 ,从概念、方法、任务、过程、应用及面临的挑战等方面对其进行了较详细的评述 .

基于Web访问信息挖掘的商业智能发现研究

针对Web访问信息的特征和现有数据挖掘方法的局限性,提出将传统数据挖掘算法改进后扩展应用于电子商务环境,实现对Web访问信息进行深层次分析以获取商业智能的思路,从实际应用的角度设计了一个基于Web访问信息挖掘的应用模型,给出了若干关键技术实现的方法,并用改进后的FP-growth算法对电子商务客户访问数据进行兴趣关联规则挖掘实验,验证了挖掘模型的可行性和有效性。

基于WEB访问信息挖掘提高电子商务个性化服务研究

随着Internet的发展,个性化信息服务已经被广泛应用到很多领域.本文阐述了电子商务个性化服务的数据挖掘方法,并对电子商务个性化服务的实现进行了探讨。

Web访问信息挖掘的关键技术与应用实践

Internet的迅速发展,使WorldWideWeb(WWW)成为一个巨大的、蕴涵着具有潜在价值知识的分布式信息空间。数据挖掘是从大量的数据中发现隐含的规律性内容,解决数据的应用质量问题,并充分利用有用的数据,帮助决策者调整策略,减少风险,做出正确的决策,是最具有前瞻性的一项技术。数据挖掘技术应用在Web环境下,通过对服务器日志信息采集,创建Web日志挖掘模型,分析经常访问的信息串,以利于网站管理者和经营者对网站管理进行决策参考。

Web用户访问模式挖掘系统框架模型研究

Web用户访问模式挖掘技术可以从服务器、浏览器端的日志记录中自动发现用户的访问偏好、兴趣和趋势等信息，目前已经成为Web挖掘领域的一个研究热点。文章首先给出Web访问模式挖掘系统的一般框架模型，然后介绍了框架模型中主要组成部分的工作原理，在此基础上，对Web访问模式挖掘系统中的一些关键技术的最新研究进展状况作了阐述和分析，其中包括数据采集、数据预处理、模式发现、用户可视化界面等，最后分析了未来该领域的研究重点作了展望。

基于师生访问行为挖掘的校园网负载测试方法

校园网是校园信息交流的重要平台,随着师生访问量及数据量的增加,校园网服务器负载过重的现象也逐渐显现,降低了校园网服务效率和质量。如何构造有效的负载测试,进而实现系统调优成为一个重要的问题。针对存在的问题,提出一种基于师生访问行为挖掘的校园网负载测试方法,从校园网访问日志中挖掘师生访问行为特征,获得师生频繁访问模式,用于负载测试脚本的开发,最后进行校园网负载测试实验,实验结果表明测试负载与真实负载情况更加接近,验证了方法的有效性。

基于Web日志的用户访问模式挖掘

随着数据挖掘和万维网技术的结合,使得从收集到的访问Internet网页的网站日志记录中执行数据挖掘成为可能。将数据挖掘技术应用于Web日志记录,来发现用户访问Web页面的模式,便形成了Web访问模式挖掘。Web访问模式挖掘是从Web访问日志中挖掘有用的用户访问信息,用于找出头N个用户,头N个被访问页面,最频繁访问时间以及关联模式、序列模式、聚类模式、分类模式和Web访问趋势等,这对于优化站点结构、为不同类别的用户提供个性化服务,有效地实现信息获取和信息推送是非常必要的。Web访问模式挖掘是目前数据挖掘领域的热点,详细论述了Web访问模式挖掘的概念、方法和过程。

Web访问信息挖掘在电子商务个性化服务中的应用研究

通过对用户访问信息进行有效的数据挖掘,可以从用户浏览网站的数据中抽取感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务。

基于Web的数据挖掘技术

基于Web数据挖掘是一个结合了数据挖掘和WWW的热门研究主题。本文综述了基于Web的数据挖掘技术,介绍了Web数据挖掘目前最流行的分类:Web内容挖掘、Web结构挖掘和Web访问挖掘,根据Web数据挖掘的最近研究现状,小结了几个研究热点。由于Web数据所具有的半结构化特性,使得Web数据挖掘更为复杂,不同于传统的基于数据库的数据挖掘。最后介绍一种全新的技术XML,XML的出现为解决Web数据挖掘的难题带来了机会。Web数据挖掘的研究具有极大的挑战性,同时又具有极大的开发潜力。

Web日志数据挖掘的数据预处理方法研究

主要介绍了Web用户访问日志数据挖掘数据预处理过程,综述了国际上的研究现状,流行的预处理方法。在对用户访问行为的合理假定基础上,最后提出了基于综合最大前向参引模型和时间窗口模型的新方法。

Web挖掘的方法及教育应用

Web挖掘能从大量非结构化、异构的Web信息资源中发现有用的知识或者模式,它已经被广泛地应用于许多不同的领域。目前,Web挖掘在教育领域中的应用也逐渐被人们关注。本文首先分别对Web挖掘的分类和方法做了详细的论述,最后对Web挖掘在教育中的应用做了比较全面的探讨。

Web数据挖掘技术研究

Web数据挖掘就是利用数据挖掘技术从网络文档和服务中发现和提取信息。Web数据挖掘是一种新兴的边缘科学技术,他涉及到机器学习、数据挖掘、信息检索、自然语言处理、数据库以及人工智能等技术,可用于网络检索、网站建设以及电子商务等方面。根据数据挖掘对象的不同可以将Web数据挖掘分为3类:Web内容挖掘、Web结构挖掘和Web访问信息挖掘。

Web数据挖掘研究

针对当前Web数据量急剧膨胀的状况,本文主要介绍了一种解决Web信息过载问题的新技术——Web数据挖掘.本文首先简述了Web挖掘的定义和分类,之后详细论述了各类Web挖掘中所用到的关键技术,最后对Web挖掘的发展趋势作了展望.

个性化推荐推荐系统中基于WEB的挖掘

Internet的普及和应用带来了WEB上的信息爆炸,如何基于WEB挖掘技术设计有效的信息推荐算法和推荐系统成为当前的研究热点。开发了一种基于WEB使用的推荐系统WRS(Web Recommendation System),在该系统中,提出了一种利用图形分割技术聚类用户访问模式的算法,并采用最长公共子序列算法对用户目前的行为进行识别。理论分析和实验结果表明,改进后的模型在推荐质量上有了较大提高。

Wed使用挖掘数据预处理中的一种会话识别改进算法

本文论述了Web用户访问模式挖掘中的数据预处理,主要提出了数据预处理中如何识别会话的一种改进算法。该方法通过使用三个因素来构造会话:①根据先验知识,确定会话时间阈值识别会话;②根据页面访问时间统计分布,确定相邻网页访问时间间隔阈值识别会话;③页面内容及站点结构确定页面重要程度识别会话。实验结果表明,相对于传统的单一方法进行会话识别的方法,该方法能够准确的识别会话,更为合理有效。

802.11无线局域网安全现状及其解决方案

主要分析了802.11无线局域网的安全现状，并针对其安全漏洞提出了相应的解决方案，介绍了数据完整性检查以及防止弱IV攻击技术。