基于三元互联系后继树的web 日志挖掘.pdfVIP

第２８卷第１０期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．１０ ２０１１年１０月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｏｃｔ．２０１１ 基于三元互关联后继树的Ｗｅｂ日志挖掘 张忠平　高一博 （燕山大学信息科学与工程学院　河北秦皇岛０６６００４） 摘　要　　针对二元的互关联后继树模型进行改进，构造三元互关联后继树，并结合Ｗｅｂ日志的特点，构造Ｗｅｂ事务集的互关联后 继树和增量更新模型，设计基于三元互关联后继树的频繁路径挖掘算法，挖掘Ｗｅｂ日志中的频繁路径。通过实验证明了基于三元 互关联后继树和改进后的模型的出色插入查询性能。 关键词　　Ｗｅｂ日志挖掘　Ｗｅｂ事务　互关联后继树　频繁路径 中图分类号　ＴＰ３１１．１３２．４　　　　文献标识码　Ａ ＷＥＢＬＯＧＭＩＮＩＮＧＢＡＳＥＤＯＮＴＥＲＮＡＲＹＩＮＴＥＲＲＥＬＡＴＥＤＳＵＦＦＩＸＴＲＥＥ ＺｈａｎｇＺｈｏｎｇｐｉｎｇ　ＧａｏＹｉｂｏ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｈｅｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒｗｅｃｏｎｓｔｒｕｃｔｅｄａｔｅｒｎａｒｙｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｂｉｎａｒｙｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅ ｍｏｄｅｌ，ａｎｄｃｏｎｓｔｒｕｃｔｅｄｔｈｅｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅｏｆｗｅｂｔｒａｎｓａｃｔｉｏｎｓａｎｄｉｔｓｉｎｃｒｅｍｅｎｔａｌｒｅｆｒｅｓｈｉｎｇｍｏｄｅｌｉｎｃｏｍｂｉｎａｔｉｏｎｗｉｔｈｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＷｅｂｌｏｇｓ，ｗｅａｌｓｏｄｅｖｉｓｅｄａｆｒｅｑｕｅｎｔｐａｔｈｓｍｉｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｔｅｒｎａｒｙｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅｔｏｍｉｎｅｔｈｅ ｆｒｅｑｕｅｎｔｐａｔｈｓｉｎＷｅｂｌｏｇｓ．Ｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔｓｗｅｄｅｍｏｎｓｔｒａｔｅｄｔｈｅｓｕｐｅｒｂｐｅｒｆｏｒｍａｎｃｅｏｆｉｎｓｅｒｔｉｏｎｑｕｅｒｙｏｆｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｗｈｉｃｈ ｉｓｂａｓｅｄｏｎｔｈｅｔｅｒｎａｒｙｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅ． Ｋｅｙｗｏｒｄｓ　　Ｗｅｂｌｏｇｍｉｎｉｎｇ　Ｗｅｂｔｒａｎｓａｃｔｉｏｎ　Ｉｎｔｅｒｒｅｌａｔｅｄｓｕｆｆｉｘｔｒｅｅ　Ｆｒｅｑｕｅｎｔｐａｔｈｓ 不太明显，本文将互关联后继树一般的二元方式拓宽三元方式 ０　引　言 适应日志的指数增长。 随着因特网的高速发展，全球互联网的Ｗｅｂ网站数量与日 １　互关联后继树模型 俱增，而且其适用人群也在成指数增长。每个访问用户可以来 自全球任何一个地方，有着不同的身份背景，不同的爱好，不同 １．１　互关联后继树 的访问目的。他们在访问过程中留下了大量的Ｗｅｂ访问和使 定义１　前驱、后继　 ∑是数目有限的字母表，对于任意 用信息，生成了大量的日志和表单。这些日志文件里面包含了 的ａａ ∈ ，ａ称为ａ的前驱，ａ称为ａ的后继。 大量的用户访问信息，包括访问日志、引用日志、代理日志、错误 １ ２ ∑ １ ２ ２ １ 日志等［１］。 定义 ２　 一元后继表达式 　 对于任意的字符串