基于粗糙集的Web日志挖掘研究.pdfVIP

第28 卷 第1 期 河 南 科 学 Vol.28 No.1 2010 年1 月 HENAN SCIENCE Jan. 2010 文章编号：1004-3918 （2010）01-0087-04 基于粗糙集的Web 日志挖掘研究 1 2 谢维奇 ， 翟璐璐 （1. 驻马店职业技术学院，河南驻马店 463000 ； 2. 驻马店卫生学校，河南驻马店 463000） 摘 要：提出了一种基于粗糙集的Web 日志挖掘模型，该模型采用粗糙集的方法对原始数据进行约简，然后应用 粗糙集理论对数据进行定性分析和约简. 最后结合一个Web 日志实例验证了方法的可行性和有效性. 关键词：粗糙集；Web 日志挖掘；属性约简；差别矩阵 中图分类号：TP 311 文献标识码：A Web 日志记录了使用者每次访问网站的一些资料，它最能反映使用者对网站的浏览需求. Web 日志挖 [1] 掘旨在通过对Web 日志进行有效的数据挖掘，发掘隐藏在日志数据背后的规律和模式 . 通过对Web 日 志的挖掘和对用户访问行为、频度、内容等分析，可以从大量的Web 日志信息提取出需要的有用知识，并由 [2] 此可以得到用户的访问模式，从而改进Web 站点设计 . 然而Web 日志中存在着信息不完整以及信息含糊等现象. 粗糙集（Rough Set）理论是波兰数学家Z． Pawlak 于1982 年提出的，是一种新的处理含糊性和不确定性问题的数学工具，能有效分析和处理不精确、不一致和 不完整等各种不完备信息，并从中发现隐含知识，揭示潜在规律. 粗糙集理论把知识看作是关于论域的划 分，在保持知识库的分类能力不变的前提下，通过属性约简导出问题的决策或分类规则. 在数据挖掘中引 入粗糙集理论，可以解决信息不完整、不精确情况下的挖掘问题，并且能够减小数据挖掘系统的复杂程度，降 低系统运行时间. 1 粗糙集理论 [3- 4] 粗糙集理论 的基本概念是建立在集合结构和语义基础上的，主要有粗糙集、上近似集合、下近似集合 和边界区域等. 粗糙集理论将知识理解为对数据的划分，每一被划分的集合称为概念，其主要思想是利用 已知的知识库，将不精确的或不确定的知识用已知知识库中的知识来近似刻画. 在一个信息系统中，来自 于实际系统的信息量常常包含有不确定性、随机性、不完备性及模糊性，决策信息系统中的属性值经常是真 实的连续的数据，数据中还有大量冗余的记录，需要在使用前对数据进行数据补齐、数据离散化和属性约简 处理，其中属性约简是粗糙集的核心算法. 1．1 信息系统 四元组IS＝ （U，C，V，f ）是一个信息系统，其中：U∶ U= ｛x ，x ，…，x ｝为对象的非空有限集合，称为论域；C ∶ C= 1 2 n