Web使用挖掘研究及最新进展.pdfVIP

维普资讯 第9卷 第6期 滁 州 学 院 学 报 V01．9No．6 2O0r7年 11月 JOURNALOFCHUZHOUUNIVERSITY NOV．2O0r7 Web使用挖掘研究及最新进展 于春燕 (合肥工业大学 计算机与信息学院，安徽 合肥230009； 滁州学院 计算机科学与技术系，安徽 滁州239012) 摘 要：Web使用挖掘是Web挖掘的一个重要研究分支，在智能商务、站点设计和网络安全等方面有着诸多应 用。总结了Web使用挖掘的方式和在个性化等方面的应用，讨论 了近年来国内外开展 的Web使用挖掘研究与 系统开发情况 ，并提 出了今后Web挖掘 中的一些研究热点。 关键词：Web使用挖掘；研究进展；研究热点；Web挖掘；综述 中图分类号；TP311．5 文献标识码：A 文章编号：1673—1794(2007)06—0026—03 作者简介：于春燕(1979一)，女，安徽滁州人，讲师，舍肥工业大学计算机系2005级项士研究生，_挣州学院计算 机科学与技术系。 1引言 随着Web技术的迅猛发展，WWW 已成为全球最流行的交互媒体。Web挖掘旨在从WWW相关的资源 和行为中抽取感兴趣的、有用的模式和隐含信 104a~ ，涉及数据挖掘、信息检索、统计学、神经网络、机器学 习、数据库技术和Web技术等领域，已经成为计算机技术领域新的研究热点。国际上，SIGKDD、ICDM等著名 会议中都给予Web挖掘以重视，有的还设置了专门的研究讨论组。国内，全国搜索引擎和网上信息挖掘学术 研讨会(SEWM)、中国机器学习会议 (CCML)等也在不同程度上关注 Web挖掘。 根据挖掘对象的不同，一般将Web挖掘分为Web内容挖掘、Web结构挖掘和 Web使用挖掘iq，如表 l 所示。Web使用挖掘是其中研究较多的领域，旨在从用户背景和访问信息中发现有用模式，以便理解和更好 地服务Web应用。对Web挖掘的这种分类是相对的，这三个方面互相联系、互相渗透，很多具体应用都要结 合两个或三个方面进行挖掘，才能获得满意的结果。 表 l Web挖掘的分类 ＼项＼目 Web内容挖掘(wcM) Web结构挖掘(WSM) Web使用挖掘(WUM) 类别＼ 研究 静态两页内容；③存储在数据库中的①网页链接：包括网页的内①用户背景信息：包括用户填写的注册信息； 动态内容 ·⑨自由文本、嵌入或链接到网 部链接和网页问的链接；② ②用户的访问信息：包括Web日志(服务器、 对象 页中的文件；④网络电子出版物数字图 网页地址；③页面内部结构。代理服务器和浏览器端)，cookies中的信息， 书馆资源、Web电子邮件等。 用户的交易、查询信息和点击流等。 研究 搜索引擎、半结构化数据抽取、网页分类 搜索引擎、网站网页的结构分用户建模及行为分析、个性化、系统改进、网 内容 聚类、网页过滤、文本及多媒体检索等。 析等 站优化、网站评估、入侵检测等。 收稿 日期：2007-．07-28 · 26— 维普资讯 2Web使用挖掘的策略与应用 目前，Web使用挖掘研究较多的是Serverlogs，一般通过三种方式进行。第一类是转换Web使用记录的数 据并存储到传统的关系表里，再使用数据挖掘算法对关系表中的数据进行常规挖掘。第二类是将Web日志组织 成数据立方体后再进行挖掘。第三类是将Web使用记录的数据预处理转换为事务再进行挖掘，具体步骤为①数 据预处理。包括数据清洗、内容预处理、结构预处理 (规范链接)、用户识别、事务识别、路径