数据挖掘Web挖掘关联规则Apriori算法个性化推荐论文

1、数据挖掘技术在WMS系统中的应用研究【摘要】 随着信息资源和用户数量的增加,在网络上运行的流媒体系统的复杂程度及其整体规模也逐渐增加,使得优化流媒体系统结构、提供优质服务成为运营商亟待解决的问题。由此,各种针对流媒体服务器系统服务及性能的研究被展开,为满足流媒体运营商的这一需求,我们在流媒体应用系统中融合入Web数据挖掘技术,通过在Web使用信息中使用数据挖掘的技术和方法,可以获得流媒体服务运营商所感兴趣的信息和知识。Web日志挖掘是Web挖掘中一项重要内容,其采用的技术主要有关联规则生成、序列模式发现、分类、聚类等。通过对Web日志的分析,可以发现用户的访问兴趣、习惯及对站点设计有用的领域知

2、识,从而实施个性化服务、市场决策及站点结构的自适应调整等应用。Web日志挖掘的数据主要包括：Web服务器端的用户访问日志、代理服务器端的访问日志、客户端(浏览器)的日志、用户的注册信息、用户会话以及电子商务系统中的交易信息等,目前的研究主要集中在对日志文件的挖掘。本文基于以上需求,利用数据挖掘技术对WMS(Windows Media Service)流媒体服务日志开展研究。通过深入探讨数据挖掘技术中的关联规则算法,运用经典的Apriori算法. 更多还原【Abstract】 By the increasing amount of information resources and u

3、ser groups, the scale and the complexity of the Streaming Media on networks are also increasing. It is much more difficult to design and maintain the Stream Media websites, such as optimizing the Streaming Media serversstructures, offering high quality service to attract and retain more customers. T

4、herefore, "Web Data Mining" is one of powerful tools to solve the requirements focusing on the research of the Streaming Media server system per. 更多还原 【关键词】 数据挖掘； Web挖掘； 关联规则； Apriori算法； 个性化推荐； 【Key words】 Data mining； Web log mining； Association Rule； Apriori algorithm； Personalizati

5、on Recommendation； 【索购论文全文】138113721 139938848 即付即发目录摘要 4-5 Abstract 5 1 绪论 8-12 1.1 研究背景 8-9 1.2 研究现状及发展趋势 9-10 1.3 本文的研究内容 10 1.4 本文的组织结构 10-12 2 数据挖掘技术概述 12-28 2.1 数据挖掘与Web挖掘 12-20 数据挖掘技术 12-16 Web挖掘技术 16-19 Web挖掘的主要应用 19-20 2.2 Web日志挖掘 20-23 Web日志挖掘分类 21 Web日志挖掘过程 21-23 Web日志挖掘常用技术 23 2.3 关联规则 2

6、3-28 关联规则概述 23-26 priori算法 26-28 3 WMS日志分析与预处理 28-39 3.1 WMS日志概述 29-32 3.2 WMS日志预处理分析 32-35 数据清洗 33-34 用户识别 34-35 会话识别 35 3.3 WMS日志预处理实现 35-39 日志采集 35 日志导入 35-37 日志分析 37-39 4 基于WMS日志挖掘的个性化节目推荐系统设计 39-45 4.1 个性节目推荐 39-41 个性化节目推荐的含义 39-40 个性化节目推荐的目标 40 个性化节目推荐的作用 40-41 4.2 个性化推荐系统的主要算法 41-42 关联规则推荐算法 41 内容推荐算法 41 协同过滤推荐算法 41-42 4.3 个性化节目推荐系统设计 42-45 数据输入 42-43 数据预处理 43 模式分析 43 在线推荐 43 模型设计 43-45 5 基于关联规则的WMS日志挖掘系统实现 45-59 5.1 WMS日志挖掘算法实现 45-51 挖掘算法选取 45 挖掘算法流程 45-47 频繁项目集生成 47-49 关联规则生成 49-51 5.2 WMS日志挖掘系统