基于关联规则挖掘查询扩展-模式识别与智能系统专业论文.docxVIP

关于学位论文独创声明和学术诚信承诺 本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导 师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、 标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括其 他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对 本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。 学位申请人（学位论文作者）签名： 201 年 月 日 关于学位论文著作权使用授权书 本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同 意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息 机构、数据收集机构和本校图书馆等提供学位论文（纸质文本和电子文本）以供公众检 索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可 以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文（纸质文本和电子文本）。 （涉及保密内容的学位论文在解密后适用本授权书） 学位获得者（学位论文作者）签名： 201 年 月 日 学位论文指导教师签名： 201 年 月 日 III 1 1 绪 论 PAGE PAGE 1 1 绪 论 1.1 课题研究背景及意义 快速发展的现代互联网给人们带来了大量的信息，纵横交错的网络使信息的存储、 传播跨越了时间和空间的限制。随着信息化技术的发展，很多信息技术材料，商业信息 等都被发布到 Internet 上，方便用户浏览及共享使用，为用户提供了一个极具价值的信 息源。然而 WWW 固有的异构性和动态性导致了从 Web 中获取所需信息变得越来越困 难。尤其是 Internet 技术的兴起，更是导致了海量数据的产生。但是这些丰富的网络数 据不能被直接利用，需要经过对信息的加工、处理、挖掘才能得到有用的知识和模式。 但是仅凭人的精力是无法在海量信息中总结和归纳出这些知识，人们迫切需要发现这些 知识和模式的方法和工具。 数据挖掘（Data Mining），又称知识发现（Knowledge Discovery in Database, KDD）， 是从存放在数据库、数据仓库或其他信息库中的大量原始数据中发现隐含的、未知的、 有用的知识的过程[1]，是从数据库或数据仓库中发现并提取隐藏在其中的有用模式的一 种新技术。 关联规则挖掘（Association Rule Mining）是数据挖掘中最活跃的研究方法之一，最 早是由 Agrawal 等人于 1993 年提出的，最初提出的动机是针对市场的购物蓝问题 （Market BasketAnalysis）进行分析[1]，其目的是为了发现交易数据库中不同商品之间的 联系规则，这些规则刻画了商品销售过程中顾客的购买行为模式，可以用来指导商家科 学地安排进货、库存以及货架设计等。但是它的应用却不止于此。概括起来关联规则的 应用领域包括：商业与金融、人工普查的数据分析[2]、工程技术数据统计分析、医疗数 据挖掘[3][4]、财政数据分析[5]、宏观决策支持、电子商务、网站设计[6]、通信和互联网 [7][8][9][10]等。 国际上关联规则在数据挖掘中的应用已经相当深入，从理论研究到应用，涉及到社 会生活的各个领域。美国学者 R.Agrawal 和 R.srikant 于 1993 年首先从客户交易系统中 分析客户购买各商品之间存在的相互关联问题，挖掘客户交易系统中的频繁项集，第二 年提出了关联规则挖掘领域经典算法 Apriori 算法。由于 Apriori 算法需要不断产生候选 项集以及频繁扫描数据库，当数据量特别大的时候执行效率就特别低，不能很好地满足 基于关联规则挖掘的查询扩展 用户的需要。针对 Apriori 算法的缺陷，此后的很多学者进行了大量的改进和实践，提 出了许多 Apriori 算法的变形，意在提高原算法的效率。 Web 日志挖掘，随着 Internert 的兴起，数据挖掘技术逐渐应用于 Web 挖掘中。其 中 Web 日志挖掘是 Web 挖掘中一个重要的方向。网络日志[11-15]记录了用户的浏览行为 和浏览兴趣，Web 日志中包含了 Web 的 URL 信息，Web 页面包含丰富的超链接、文本 等信息，为数据挖掘提供了丰富的资源。Web 挖掘利用数据挖掘的原则和思想，针对 Web 信息的特性，对传统的挖掘方法进行扩展和改进，将其应用到 Web 信息上进行挖 掘，得到有用的知识。网络日志挖掘旨在通过对网络日志进行有效的数据挖掘，发现隐 藏在日志数据背后的 Web 用户访问模式，挖掘出蕴含在 Web 访问过程中的规律，