Web用戶訪問路徑聚類方法研究.pdf

1、隨著網絡技術的飛速發(fā)展，信息快速增長與人們個性化需求的矛盾在不斷地增加，而Web用戶訪問路徑聚類正是解決這一矛盾的有效手段之一。通過對Web用戶訪問路徑聚類，可以發(fā)現用戶興趣、個性及共性特征，可以抽取一段時期內用戶訪問行為特征的分布模式。目前路徑聚類方法，不僅對路徑相似度定義不夠充分，而且聚類算法很難滿足用戶訪問的不確定性、非單一性特點。因此，論文針對Web用戶訪問路徑的聚類方法進行了研究。
　　 首先，為了更好的對Web用戶訪

2、問路徑進行聚類，從系統論的角度出發(fā)，提出了一種基于路徑特征差異的相似度計算方法，該方法充分考慮到了頁面訪問中的各種特征。比如，新方法不僅考慮了用戶訪問頁面的時間特征、頻率特征，而且考慮了訪問序列的順序關系以及最長公共子頁面系統特征，因此很大程度地提高了相似度計算的準確性。而且，對比試驗驗證了新方法在實際應用中更科學更合理。
　　 其次，考慮到Web用戶訪問具有不確定性、非單一性的特點，針對這種不確定性聚類，提出了一種高效的模糊可

3、能性聚類算法(FPL：Fuzzy PossibilisticLeader Clustering Algorithm)。該算法在聚類過程中能很好的處理模糊邊界問題。由于結合了模糊集和可能性理論的優(yōu)點，FPL算法在一定程度上能克服噪聲數據或聚類中心的影響。對類特征模糊或類之間具有交叉的數據，通過我們定義的截集自動地將這些數據分到若干個類中，實現了交叉聚類。另外，新方法中減少了閾值使用個數，減少了人為的干預，增加了聚類的客觀準確性。
　

4、　 最后，論文結合Web用戶訪問特點，針對Web用戶訪問路徑聚類分析中普遍存在的對象類別不確定性現象進行了研究。在前面研究工作的基礎上，提出來一種新的Web用戶訪問路徑的可能性模糊聚類新算法。新方法通過定義相關的截集，自動地將對象分配到若干簇中，避免了人工干預，實現了路徑交叉聚類的目的。由于新方法是建立在Leader聚類算法的框架上，只需要掃描數據集一遍使得算法效率大大提高。在標準數據集上的對比試驗表明新算法不僅是有效的，而且效率較高