一種無(wú)冗余的Web日志挖掘算法

秦東霞 姚遙

0引言

Web日志挖掘?qū)τ赪eb站點(diǎn)內(nèi)部結(jié)構(gòu)優(yōu)化和頁(yè)面內(nèi)容的重新整合有重要的價(jià)值和意義。傳統(tǒng)的Web數(shù)據(jù)挖掘方法如關(guān)聯(lián)規(guī)則和聚類等先將挖掘出的結(jié)構(gòu)進(jìn)行分析，匯總后應(yīng)用到具體網(wǎng)站中。這些應(yīng)用主要包括對(duì)Web文檔進(jìn)行分類、Web頁(yè)面的預(yù)取和聚類、優(yōu)化查詢功能及對(duì)客戶信息進(jìn)行分類匯總等?，F(xiàn)有的基于關(guān)聯(lián)艦則的Web日志挖掘算法都是基于所有頻繁項(xiàng)的，這些算法存在兩方面的問(wèn)題：一個(gè)是往往產(chǎn)生大量的候選規(guī)則，另一個(gè)則是產(chǎn)生大量支持度和置信度相同的冗余規(guī)則。本文提出了一聽(tīng)十新的無(wú)冗余Web日志挖掘算法，該算法引入了頻繁閉項(xiàng)集和最小關(guān)聯(lián)規(guī)則的概念，在保證信息不丟失的同時(shí)實(shí)現(xiàn)無(wú)冗余挖掘，而且挖掘過(guò)程中候選規(guī)則也相對(duì)少得多。