动态网页环境下的Web使用记录挖掘研究

根据大部分的Web站点均使用动态网页的实际,提出了并实现了一种在动态网页环境下进行数据采集的方法,使用了新的数据集代替Web日志作为待挖掘的数据,分析了该数据集的特点,并通过实验说明其可行性。

Web使用记录挖掘前的事务识别方法

Web使用记录挖掘是采用数据挖掘技术对Web服务器上日志文件中的数据进行挖掘,以发现用户访问Web的方式及页面间存在的某种关联,从而可以为网站设计、提供网络个性化服务及其他电子商务活动提供决策依据.事务识别是Web使用记录挖掘前的一种数据预处理技术,本文介绍事务识别的基本方法,并给出一个最大前向引用序列事务识别新方法.

Web使用记录挖掘在电子商务中的应用

首先介绍了电子商务网站的数据资源;然后详细阐述了从这些数据资源中挖掘隐含的、未知的但有价值的商业知识的基本流程和分析方法;最后概括了数据挖掘技术在电子商务网站中的应用情况及发展方向。

Web使用记录挖掘的研究

Internet的发展给传统的数据挖掘领域提出了很多新的研究课题.Web挖掘技术就是传统的数据挖掘技术与计算机网络技术的结合.Web使用记录挖掘是从日志文件中挖掘出有用的信息,这些信息可以帮助站点设计者设计站点和服务,有益于商业网站开展有针对性的电子商务活动.介绍了Web挖掘的概念和分类,说明了Web使用记录挖掘的过程和意义,并指出了Web使用记录挖掘的研究趋势.

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。

高校图书馆搜索引擎中Web使用记录挖掘研究

针对高校的信息资源检索的命中率低问题提出了运用Web使用记录挖掘的高校图书馆搜索引擎。通过采用Web使用记录挖掘技术和Clementine对高校图书馆网站的Web访问日志记录进行挖掘。在Web使用记录挖掘流程中,提出一个基于用户IP、登陆时间、网站的拓扑图、引用网页和Agent来识别出单个用户的新算法,获得有效提高识别用户的实验结果。最后用路径分析来挖掘模式,优化网站结构,从而提高高校图书馆搜索引擎的命中率。

Web使用记录挖掘技术综述

Web使用记录挖掘的主要目标是从Web的访问记录中抽取感兴趣的模式,通过分析这些挖掘结果可以帮助理解用户的行为,从而改进站点的结构或为用户提供个性化的服务。本文主要介绍了Web使用记录挖掘的概念、原理、主要的方法和技术,总结了目前Web使用记录挖掘研究和应用的热点方向。

Web挖掘的体系研究

互联网的出现极大地丰富了人们的信息,但也困扰人们从中获取有用的知识。Web挖掘的应用为解决此问题指明了方向。该文从Web内容挖掘、Web结构挖掘和使用记录挖掘3个方面论述了Web挖掘的内容及相关技术的研究现状和发展方向。Web内容挖掘包括信息提取和信息检索,Web信息提取的主要过程包括向量表示、特征提取、特征缩减和文本挖掘;对于信息检索,文章从搜索引擎的原理、分类以及最新的发展技术方面对其进行了论述;而对于结构挖掘和使用记录挖掘,文章主要论述了其算法和过程。

Web挖掘技术及其在网站管理中的应用

将Web文本分类技术和Web使用记录挖掘技术应用于网站信息管理中,实现了网站对站内Web文本的快速自动分类以及对站内不同用户显示个性化布局的功能,显著提高了网站管理中处理大量信息的效率,增强了网站的个性化特征.

Web挖掘研究

介绍了Web挖掘的任务和分类;讨论了Web的内容挖掘、结构挖掘和使用记录挖掘。

Web数据挖掘的技术研究

Internet应用的普及使得数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用。本文就Web挖掘技术的概念、分类、研究现状及其相关实现技术做了详细的阐述,并在此基础上指出其发展方向和趋势。

基于粗糙近似的Web事务聚类改进算法

针对现有Web使用记录挖掘方法发现的知识和规则存在不精确或不完全的问题,提出了一种改进的基于粗糙近似的Web事务聚类算法.该算法首先对原有算法得到的每个类,用关系矩阵找出在这个类中不满足传递性的对象,然后在该对象的集合(类)上用关系矩阵找出在这个类中不满足传递性的对象,再对每个类进行分割,使其满足关系R的传递性,克服了现有算法不满足关系的传递性和在某些情况下得到的结果不准确的缺点.

基于FDOD的Web用户分类新算法(英文)

了解用户的行为与特征对网站的设计与维护非常重要,分析网站日志可有效获取Web的访问信息.提出一种利用对网站日志文件的分析实现Web用户分类的新算法.首先对日志文件进行数据筛选及事务识别,构建出一个链接网络图;然后利用页面之间的链接关系定义评估页面之间相似性的新指标,合并相似的页面,形成一个压缩链接图;使用FDOD对链接图中的链接路径进行分类.实验表明,该分类算法具有易于使用、响应迅速以及准确性高等优点。

Web挖掘在个性化远程教育中的应用

基于Web挖掘,提出了一种新的个性化远程教育模型。它能充分利用用户Web访问记录,同时结合用户与站点的交互数据进行挖掘,以此来发现学习者的浏览(学习)兴趣,从而改进页面的设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。

Web数据挖掘探讨

论述了Web上的数据挖掘技术并作了分析和比较,对Web数据挖掘技术的应用也作了分析和展望.

Web挖掘的e-Learning应用研究

论述一个在eYouCT网络教学管理平台环境中,通过模式分类预测学生表现的Web挖掘调研报告。调研结果表明:LMS大规模数据集的模式识别可以通过一个小规模数据集的分类构建获得,作为一种e-Learning知识构建方法,Web挖掘具有提高学习绩效的应用潜力。

高校图书馆搜索引擎中Web挖掘的应用研究

针对高校学术信息资源检索的精确度问题,提出了运用Web挖掘的高校图书馆搜索引擎系统。它主要对Web使用记录挖掘及其用户兴趣模型的建立进行了详细分析。首先它阐述了高校图书馆搜索引擎系统的4个过程,其中主要提出建立用户兴趣模型时采用的一种利用用户浏览页面集的内容信息和浏览行为信息,隐式地创建用户兴趣描述文件的方法;然后阐述了高校图书馆搜索引擎系统的各处理模块;最后设计了结合Web数据挖掘的高校图书馆搜索引擎系统操作过程,保证了所创建的用户兴趣模型的准确性,从而有效地提高高校图书馆搜索引擎系统的查准率。

基于用户浏览行为的数据采集及应用

提出基于用户浏览行为的客户端数据采集的方式,有效解决Web使用记录挖掘中数据采集问题。该数据采集的方法已经应用于国家科技基础条件平台网络科技资源监测、分析及评估项目,其实用性得到很好的验证。

一种基于用户浏览行为的数据采集方法

提出了一种基于用户浏览行为的客户端数据采集方法,普通浏览者访问图书馆网络监测系统服务器端网页时,浏览器自动运行嵌入在网页中的JavaScript代码.通过JavaScript代码的运行,普通浏览者与采集中心进行连接和数据传送,实时地采集用户行为数据,实时地统计汇总网站的最新状态数据.该数据采集方法对被监测网站服务器运行效率没有影响,其优点在绍兴图书馆网络监测系统得到了验证.

Web挖掘的e-Learning应用研究

本文论述了一个在eYouCT网络教学管理平台环境中通过模式分类预测学生表现的Web挖掘调研报告。调研结果说明:LMS大规模数据集的模式识别可以通过一个小规模数据集的分类构建获得,作为一种e-Learning知识构建方法,Web挖掘具有提高学习绩效的应用潜力。