一种基于Web日志的Web用户群体和URL聚类算法.pdf

第30卷第4期 海南大学学报自然科学版 V01．30No．4 HMNANI】1叮VERSⅡTY Dec．2012 2012年12月 NATURALS删C雹JoI琅NAI，OF 文章编号：1004—1729(2012)04-0354一06 宁建飞 (罗定职业技术学院，广东罗定527200) 摘要：通过处理和研究Web13志，得到多数用户感兴趣的页面URL和具有相近访问爱好的用户群体，对 站点的结构是否适合用户作出判断并进行相应的调整，从而实现对用户的个性化服务． 关键词：Web日志；用户聚类；站点URL聚类 391 中图分类号：TP 文献标志码：A 当今社会，电子商务网站越来越被客户所接受，企业也越来越重视这种网络营销方式．当客户浏览网 站时，Web服务器将客户的浏览信息保存在Web日志中．为了帮助企业了解市场需求和改进决策，从而在 竞争中获得更大的优势，可以通过对Web日志进行筛选、整理和分析，获得其中的页面类属关系、客户类 属关系等，并以此作为优化Web站点拓扑结构的依据，制定更有效的市场营销策略．本文提出的Web用 户群体和相关URL聚类算法，在用户访问矩阵的基础上进行，根据访问矩阵计算列或行向量间的Manhat— tall距离，得到相似性度量．该算法直接利用用户对页面URL的访问频率，如实体现用户的访问行为，具有 较高的准确性，能够确定合理的聚类结果数目，还解决了聚类中普遍存在的子类问元素重复问题． 1 基本定义 览时间，用L=uip，uid，url，utime来表示Web服务器日志． 定义1 用户浏览行为嵋1 l。．url=uid。，，l≥1；hs表示到目前为止用户uid。浏览l。．眦l的次数． 定义2 of 却={(e∈E，{NumberPath}P)}“，P，m1，记录有向边及该有向边所在路径的编号，为有向边属性集． 定义3用户访问矩阵拉。 建立Web站点的用户访问矩阵(由定义1、2得)，即 ● 一 hl，l h1，2 m ● h2，l h2．2 J 一 m ： ： ¨ ● ● ●