招生信息网的Web日志挖掘技术研究的中期报告_第1页
招生信息网的Web日志挖掘技术研究的中期报告_第2页
招生信息网的Web日志挖掘技术研究的中期报告_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

招生信息网的Web日志挖掘技术研究的中期报告一、研究目的招生信息网作为一个重要的招生渠道，其中包含大量的招生信息。而用户在招生信息网上的行为，其实反映了用户在选择学校时所重视的方面，例如用户常去浏览的招生信息类型、用户评论的词语等等。因此，我们希望通过对招生信息网的Web日志进行挖掘，分析用户的行为，了解用户的需求，从而找出用户最为关注的信息，并为学校提供更好的招生服务。二、研究方法1.数据获取通过招生信息网的服务器日志，获得了用户在该网站上的访问记录。其中包含了用户的IP地址、访问日期和时间、访问页面及其内容、访问方式等信息。我们基于这些数据展开研究。2.数据处理我们首先对数据进行预处理。即按照访问日期和时间进行排序，去除非法的访问记录和特殊字符，以及对蜘蛛等爬虫进行剔除。接着，我们对数据进行划分，分别针对不同类型的用户行为进行挖掘。如用户浏览招生信息的页面、用户提交留言、评论的内容等。3.数据分析我们采用文本挖掘技术对数据进行分析，主要包括以下几个方面：(1)文本预处理：对收集到的数据进行清洗和处理，去掉噪声、停用词、标点符号等。(2)特征提取：采用TF-IDF算法对文本数据抽取关键词信息，提取出用户在招生信息网上的最常见搜索关键词和常用词组。(3)分类算法：通过分类算法对收集到的数据进行分类，识别用户浏览的关键字信息和用户留言、评论的情感极性（积极/消极）。我们从而可以分析用户对不同信息的兴趣和需求。(4)可视化展示：通过构建图表和表格的方式，将分析结果以直观的形式展现，从而方便学校更好地理解用户的需求，优化招生服务的提供、吸引更多的优质学生。三、研究进展我们已经完成了对数据的预处理，包括数据清洗、去重、数据格式规范化等内容。接下来，我们将基于Spark与Hadoop等大数据处理工具，进行处理。我们可以通过多机并行运算处理大量日志数据，从而大大提升运算效率和数据处理时间。我们同时采用了自然语言处理技术，对用户留言和评论等非结构化数据进行分析。我们已经实现了基于SVM算法的情感极性分类模型，能够识别用户留言和评论的情感。我们还在完善数据可视化功能。略显折叠的功能可以更好地展现我们的分析结果，让学校了解用户的需求，以此来改进和完善招生服务。四、研究结论我们已经初步分析了用户访问招生信息网的行为，并对用户提交的留言和评论进行了情感分析。我们所发现的一些结果如下：(1)用户最关注的招生信息类型主要是高水平学科、双一流学科相关的信息。(2)用户提交的留言和评论中，情感极性积极的占据绝大多数，说明学生对招生信息网上发布的信息和服务有着良好的评价。(3)虽然大部分的用户留言与评论意见偏向积极，但也有一些的负面意见，如部分招生信息过于枯燥或者不够全面，说明学生对招生信息网还有所期待与改进

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论