基于改进的aprioriall算法的web序列模式挖掘研究-清华大学.pdfVIP

论文所属栏目：计算机应用 基于改进的AprioriAll 算法的Web 序列模式挖掘研究 吴海燕，朱静君，高国柱，程志锐 （清华大学 计算机与信息管理中心，北京 100084） 摘要：为了减少AprioriAll 算法挖掘过程中候选序列的生成以及对序列数据库的扫描次数， 提高算法的挖掘效率，提出了一种基于改进的AprioriAll 算法的Web 序列模式挖掘方法。首 先对数据进行预处理，然后利用经过改进的AprioriAll 算法进行模式挖掘。算法的改进主要 有两点：一个通过改变候选序列的连接方式来减少候选序列的产生；二是通过减少不必要的 数据库扫描操作来提高算法的效率。通过实验验证了改进后算法在 Web 序列模式挖掘过程 中的高效性和正确性。 关键词：AprioriAll 算法；序列模式；Web 日志挖掘；事务；最大向前路径 中图法分类号：TP311 文献标识码：A Research of Web Sequential Pattern Mining Based on Improved AprioriAll Algorithm WU Hai-yan, ZHU Jing-jun, GAO Guo-zhu ，Cheng Zhirui (Computer and Information Management Center of Tsinghua University, Tsinghua University, Beijing 100084, China) Abstract: To reduce the generation of candidate sequences and the scans to sequence database for AprioriAll algorithm, an efficient sequential pattern mining method based on improved AprioriAll algorithm is presented. Firstly, data are preprocessed. Then do the sequential pattern mining with improved AprioriAll algorithm. The improvements of AprioriAll algorithm are mainly two points: one is to change the connection of candidate sequences to reduce the generation of candidate sequences; the other is to reduce the needless database scans to improve the efficiency of algorithm. Finally, the efficiency and validity of improved AprioriAll algorithm is validated through experiments. Key words: AprioriAll algorithm; sequential pattern; web log mining; transaction; maximal forward path 0 引言 Internet 上蕴含着海量的信息，每天都有大量的用户通过访问 Internet 上的各种网站来 获取自己所需的信息。用户的访问行为会在网站的日志中留下记录，通过对日志进行挖掘可 以得到用户的访问模式。利用这些访问模式可以改进网站的拓扑结构，使得用户能够以更少 的操作获得更多的有用信息。因此，Web 日志挖掘有很好的应用前景，是目前非常热门的 研究领域。 序列模式挖掘是Web 日志挖掘的一个重要研究课题，它是由R. Agrawal 和R. Srikant [1] 提出的 。用户访问的序列模式是指用户访问序列集合中满足一定支持度阈值的频繁子序 列，它们反映了用户的频繁访问模式。而要挖