基于加权矩阵聚类的Ｗｅｂ日志挖掘算法.docVIP

基于加权矩阵聚类的Ｗｅｂ日志挖掘算法 　　摘 要：Web服务器日志中记录了用户的浏览模式，为了从中提取出具有相似访问模式的用户群，对其提供个性化服务，提出一种针对Web日志的分析方法。通过构建UserID-URL关联矩阵，引入加权关联矩阵，提出一种基于加权矩阵的聚类算法――多标记传播算法。实验表明，该算法在Web日志挖掘中进行用户聚类和页面聚类是高效可靠的。?? 　　关键词：数据挖掘；Web日志挖掘；加权矩阵聚类；多标记传播算法;用户聚类?? 　　 　　Web Log Mining Algorithm Based on Weighted Matrix Cluster?? 　　HAO Na????1，2?? ，TIAN Baohui??1，JIANG Jianguo??1?? 　　(1.Xidian University,Xi′an,710071,China;2.Qinghai Architecture Vocational Techniqual College,Xining,810012,China 　　Abstract：Web server log files registered browsing patterns of users,in order to extract users with similar accessing patterns and provide personal service for them，a new method of analysis on Web log is proposed.A User-URL matrix is created and weighted matrix is introduced，additionally,a mutlimarker propagation algorithm based on weighted matrix cluster is proposed.The experiments show that this algorithm has high-performance and reliability to cluster users and pages in Web log mining.?? 　　eywords：data mining；Web log mining；weighted matrix cluster；mutlimarker propagation algorithm；users clustering?オ? 　　 　　1 引 言?? 　　 　　随着因特网的迅速发展，Web在人们的日常生活和工作中的地位日益显著［1,2］。Web中包含页面的内容信息、超链接信息，以及Web页面的访问和使用信息，如何针对这些信息，应用数据挖掘技术挖掘出有用的信息，更好地为用户服务，已经成为目前国内外的一个新的研究热点［3］。在Internet中，对于特定的网站而言，其页面之间的拓扑结构是已知的。尽管不同的用户在不同时期可能会有不同的浏览模式，但长期趋势应该是稳定的。因此，挖掘特定网站一定时期内用户的访问信息，便可以发现该网站的相似用户群体以及相关页面信息，从而对相似用户群提供个性化服务。本文对Web站点的拓扑结构和用户浏览信息进行分析，以UserID为行、URL为列，构建??UserID-URL??关联矩阵，元素值为用户访问页面的次数。在此基础上，通过阈值参数的引入，将关联矩阵转化为加权关联矩阵，提出一种基于加权矩阵的聚类算法――多标记传播算法(multiMarker propagation algorithm。该算法利用矩阵的稀疏特性，可从1个稀疏矩阵中抽出1个稠密子矩阵，因此，对用户（页面）聚类的过程，也转化为从稀疏矩阵中抽取稠密子矩阵的过程。?? 　　 　　2 加权矩阵聚类?? 　　 　　矩阵聚类［4］（Matrix Cluster，MC）最初是为客户关系管理（Customer Relationship Management，CRM）提出的。图1所示的关联矩阵,[WTHX]M[WTBX]????m×n??中，行代表用户，列代表页面。矩阵元素值h????i,j??表示用户i访问页面j,的次数。以往文献常见做法是用0或者1来表示用户是否访问某个页面，直接对关联矩阵进行归一化处理得到元素值非0即1的矩阵，再运用各种算法进行聚类分析。?? 　　为了更好地刻画用户的特征向量，反映出用户的访问频度和兴趣所在，本文引入加权关联矩阵的概念。加权关联矩阵,[WTHX]A[WTBX]????m×n??由关联矩阵加权处理转化而来。通常这样的加权矩阵是个大而稀疏的矩阵。?? 　　由于用户和页面的顺序不是很重要，所以行和列可以任意交换。图2