基于规则提取量Web日志关联规则挖掘方法.docVIP

基于规则提取量Web日志关联规则挖掘方法 　　摘 要:引入规则提取量的度量标准,提出一种基于免疫多克隆遗传策略的Web日志关联规则挖掘方法。该算法在遗传算法的基础上引入免疫多克隆算子,有效地克服了遗传算法容易陷入局部最优的缺点,具有更强的全局与局部搜索能力。实验结果表明,该算法能高效地解决Web日志关联规则挖掘问题。 　　关键词:Web日志挖掘; 关联规则;遗传算法; 规则提取量; 免疫多克隆算法 　　中图分类号:TP311 　　文献标志码:A 　　 　　文章编号:1001-3695(2010)02-0500-03 　　doi:10.3969/j.issn.1001-3695.2010.02.026 　　 　　Web log association rules mining method based on rule extraction number 　　 　　FU Bao-long 　　 　　(Liuzhou Vocational Technological College, Liuzhou Guangxi 545006, China) 　　 　　Abstract:The paper combined with the rule extraction number, brought forward a method of mining Web log association rule based on immune poly-clonal genetic strategy. The algorithm based on genetic algorithm introduced polyclonal immune operator, it effectively overcame the genetic algorithm vulnerable to the shortcomings of local optimum, and the global and local search capability was stonger. The experimental results show that the algorithm can efficiently solve the Web log association rule mining problem. 　　Key words:Web log mining; association rules; genetic algorithm; rules extraction number; immune poly-clonal algorithm 　　 　　随着互联网的迅速增长,Internet上已经积累了大量的数据。为了能迅速地从互联网上找到所需要的数据,基于Web的数据挖掘技术成为近年的研究热点。关联规则是Web日志挖掘领域中一个重要的研究方向,它的目的在于找出网站资源访问记录中隐含的相互关系。Web站点的日志数据记录了用户浏览Web站点时的大量信息,对这些日志数据进行有效的分析,可以发掘隐藏在其中的规律和模式。 　　目前,围绕着Web日志挖掘中的关联规则挖掘,国内外已经做了大量的研究工作,如Apriori、FP-Growth等,这些算法存在的共同问题是计算复杂度高、计算量大[1]。遗传算法[2](genetic algorithm,GA)是一种基于自然选择和群体遗传机理的全局优化算法,在解决大空间、非线性、全局寻优等复杂问题时具有独特的优越性。免疫算法[3](immune algorithm,IA)是模拟免疫系统对病菌的多样性识别能力而设计出来的多峰值搜索算法,它能在保持种群个体多样性和算法收敛之间取得平衡,加速优化过程。文献[4]中提出了一种基于免疫遗传算法的关联规则挖掘算法,该算法具有很好的鲁棒性和隐含并行性,能有效地进行全局优化搜索;文献[5]提出了一种基于免疫遗传算法的关联规则挖掘模型,并把它用于ERP系统的关联规则挖掘中,该模型具有收敛速度快、搜索精度高的特点。借鉴文献[4,5]的思想,本文将遗传算法引入到Web日志的关联规则挖掘中,采用免疫多克隆策略对GA算法进行优化,以期能加快Web关联规则挖掘的收敛速度,具有更强的全局和局部搜索能力。同时,引入规则提取量的度量机制,提出一种基于免疫多克隆遗传策略(immune poly-clonal genetic strategy, IPCGS)的Web日志挖掘方法。 　　1 问题的定义 　　Web日志文件包含了大量的用户访问信息,如用户的IP地址、所访问的URL、访问日期和时间、访问方法(Get或Post)、访问结果(成功、失败、错误)、访问的信息大小等。日志有不同的格式,如通用