基于关联的聚类分析在个,陡化.PDFVIP

2 情 报 杂 志 Vo1．28 N()．3 第 8 期 2009年 3月 JOURNALOFINTEILIGENCE Mar． 2009 基 于 关 联 的聚 类 分 析 在 个 ，陡化 服 务 中 的应 用 * ApplicationinPersonalizedServiceBasedonClusterAnalysisofAssociation 陈雪刚 ，2 李肯立2 (1．湘南学院数学系 郴州 423000；2．湖南大学计算机与通讯学院 长沙 410073) 摘 要 运用关联规则，确定用户频繁访问模式，使用页面相似聚类分析对用户频繁访 问集分类，挖掘具有相似访 问兴趣的网络用户的浏览模式，并对相关算法作 了改进。从满足用户个性化信息服务 出发，给出一种基于关联的用 户访问模式聚类方法。实践证明，将基于关联的聚类分析方法应用到个性信息服务中是有效的。 关键词 关联规则 数据挖掘 聚类 个性信息服务 Web日志 中图分类号 TP391 目前大部分数字图书馆都提供了丰富的结构化数 供能够用于决策支持、智能查询、科学研究等知识服务 字信息资源包括电子图书、期刊、学位论文、报纸、政府 方面的规则和模式。 公报等，另外，随着 Intemet／Intranet的不断发展，基于 收集web服务器上的13志文件，这里所讨论的数 web形式的非结构化或半结构化信息总量和信息交互 据集类型都是web服务器上的 日志，其 日志文件一般 量已经变得非常巨大，为了查询信息，一般为用户提供 提供了用户访问web服务器所保 留的一系列网页需 一 些常规的检索功能，用户可以根据信息的关键字段 求，这些请求一般是 UserIP、UserID、Timestamp、 进行检索或组合关键字获得所需的信息资源。但这种 Method、URL、HrrPversion、Returncode(Statusofthe 检索方式 ，检索到的内容复杂，大量与主题无关的信息 request)、Bytestransferred、ReferrerpageURL、Browser 被搜索，用户真正需要的信息，还需要用户 自己进一步 used、Clientoperatingsystem组成。从这些信息中可以 筛选，获得的信息也往往是被动的，没有考虑用户的个 挖掘分析，发现用户访问服务器的行为模式、存取动 性行为，不能体现用户的个人兴趣。因此，根据不同用 作、停留时间等特性 ，其 目的主要是了解 web服务器 户需要提供主动的个性化信息服务 已经成为Web服 与用户怎样交互使用的，发现并提取具有相似访问兴 务的关键问题，按照个性化信息服务模式，主要有三种 趣的网络用户的浏览特征，挖掘出用户访问的浏览模 形式：一是个性化推送与定制服务。即根据用户的兴 式，从而进行分析并为web服务器的重组设计提供有 趣偏好，采用定制的web页面、分门别类的信息导航、 利信息，实现个性化信息服务。利用统计分析的方法 发送E—mail等方式，把具有针对性、特色性的信息传 发现用户访问兴趣浏览模式 ，用户访问了某一网页之 输给具有特定需求的用户。二是个性化推荐与报道服 后，是否也会访问其他一些与之有相对较高关联度的 务。即通过智能化推荐和主动报道的途径，深入分析 网页。如KITTSB[1J等提出以web服务器 日志中每个 用户的专业特征、研究兴趣，从而主动地向用户推荐 网页的请求为处理单元，从整体的角度 出发，分析评价 其可能需要的信息，是一种比较深层次的信息服务方 网站资源的方法。这种方法强调共性，但忽视了用户 式。三是个性化知识决策服务。这种服务强调充分运 作为个体的个性化。胡亚慧[]等运用改进的Markov 用知识挖掘、语义网络和人工智能等先进技术 ，对有 模型来预测用户的浏览模式，根据用户的浏览特征实 用的信息内容再进行深层次的分析与挖掘，向用户提 现网站个性化服务，在 web服务器 日志数据预处理 收稿 日期：2008—07—22 修回日期：2008—10—15 基金项 目：国家自然