基于Web使用挖掘的用户行为分析

Web服务产生了大量的日志数据,这些数据记录了用户的行为信息。如何从海量的日志数据中自动、智能地抽取隐藏于其中的知识,这是本文要研究的问题。基于Web使用挖掘,对点击流数据源进行收集、预处理,并基于FP-tree的关联规则挖掘算法对用户行为进行分析,发现新模式,为优化网站建设提供有价值数据。     

Web使用挖掘技术在电子商务中的应用

电子商务是随着网络的发展产生的一种新兴事物,电子商务的迅速崛起,使得不管是商家还是客户对基于Web数据检索、挖掘等需求不断提高。目前静态结构的Web页面显然已经被众多个性化的动态结构站点所代替。网站如何根据Web服务器日志文件,客户交易数据中挖掘出有意义的用户访问模式和潜在的客户群,为企业提供全方位信息服务和开展有针对性的电子商务活动。针对电子商务方面论述了数据挖掘的优势和应用。介绍了数据挖掘、数据挖掘的分类、电子商务中Web数据挖掘的步骤等。     

点击流数据仓库ETL设计

介绍对点击流数据仓库中存储的大量客户在网站上的web日志信息进行ETL的过程.     

具有访问时间完整性的Web日志方法

Web服务器日志记录了外部用户对本服务器的访问信息，是分析网站的重要数据。但是根据当前流行的几种Web日志格式来看，它们所记录的时间数据并不完整；当用户访问一个网页时，只记录了访问该网页的开始时间，而没有记录访问结束时间。这将造成访问信息的丢失，给今后的分析工作(如访问时间统计、用户会话识别等)带来困难。本文提出了一种Web日志方法，它能克服目前Web服务器日志的这一缺点，记录完整的时间信息．     

Web使用挖掘技术在电子商务中的应用

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群 ,使企业提供个性化信息服务和开展有针对性的电子商务活动。分析了Web使用挖掘技术的主要特点 ,提出了Web使用挖掘技术在电子商务中的应用方法 ,并对其挖掘过程进行了详细地阐述 ,最后给出了一个电子商务中Web使用挖掘的具体实例     

Web使用挖掘技术在电子商务中的应用

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,使企业提供个性化信息服务和开展有针对性的电子商务活动.分析了Web使用挖掘技术的主要特点,提出了Web使用挖掘技术在电子商务中的应用方法,并对其挖掘过程进行了详细地阐述,最后给出了一个电子商务中Web使用挖掘的具体实例.     

电子商务与Web数据挖掘

在电子商务中，运用数据挖掘技术对服务器上的日志文件等Web数据进行客户访问信息的Web数据挖掘。了解客户的访问行为，从而调整站点结构、市场策略等，使电子商务更具个性化和针对性。     

基于点击流数据仓库的用户行为分析

点击流数据揭示了网上消费者在网上的冲浪行为,这些数据记录了用户的行为信息.如何从海量日志数据中自动、智能地抽取隐藏于其中的知识,这是本文要研究的问题.介绍一种利用SQL Server 2005构建Web日志数据仓库的方案,先对点击流数据进行收集、预处理,并加载到数据仓库,然后通过Analysis Services深入分析网站用户的消费行为、兴趣偏好,挖掘有趣模式,获取更多有指导意义的商业信息.     

电子商务与Web数据挖掘

在电子商务中,运用数据挖掘技术对服务器上的日志文件等Web数据进行客户访问信息的Web数据挖掘,了解客户的访问行为,从而调整站点结构、市场策略等,使电子商务更具个性化和针对性。     

基于电子商务的客户访问模式算法的分析研究

通过对电子商务中服务器上的日志文件等Web数据进行客户访问信息的分析,重点研究了客户分析系统的数据采集、数据处理以及跟踪客户在Web上的浏览行为并进行模式分析,并构建了用户访问模式的挖掘模型及算法的分析与实现。     

点击流数据仓库中客户管理星型模式设计

点击流数据仓库中存储了大量客户基本信息及客户在网站上的点击行为信息,其组织方式的好坏直接影响到联机分析处理和数据挖掘的效率.传统的页面事件和会话星型模式没有把客户这一商业行为中的核心实体作为实事表,因而不能提供直接面向客户的综合分析.对原有模式进行分析的基础上,根据企业CRM的实际需求,提出了一种以客户为中心的客户管理星型模式,并利用面向客户的时间轮转模型予以实现.     

多维数据模型中维层次结构的自动生成算法及其实现

多维数据模型是数据仓库及联机分析处理的核心,目前主要有两种:星型模型和雪花模型。维层次结构是多维数据模型最重要的概念之一。该文提出了一个算法,它能够在雪花模型中根据维表间的依赖关系构造维的层次结构。指出使用该算法的前提并进行了证明,随后实现了算法。文章最后提出了在星型模型中构造维的层次结构的基本过程。     

基于星型模型的关联规则挖掘方法

星型模型是数据仓库中最常用的数据组织方式,对星型模型进行数据挖掘具有实际的意义.在单维Apriori算法和前人工作的基础上,介绍了对带有时态约束的星型模型进行多维关联规则挖掘的方法,并举例说明.     

Particle swarm optimization for bitmap join indexes selection problem in data warehouses

Data warehouses are very large databases usually designed using the star schema. Queries defined on data warehouses are generally complex due to join operations involved. The performance of star schema queries in data warehouses is highly critical and its optimization is hard in general. Several query performance optimization methods exist, such as indexes and table partitioning. In this paper, we propose a new approach based on binary particle swarm optimization for solving the bitmap join index selection problem in data warehouses. This approach selects the optimal set of bitmap join indexes based on a mathematical cost model. Several experiments are performed to demonstrate the effectiveness of the proposed method on the bitmap join index selection problem. Further testing of the method is performed using a database environment specific cost function. The binary particle swarm optimization is found to be more effective than both the genetic algorithm and data mining based approaches.     

基于数据仓库技术的物资管理系统研究与开发

对数据仓库、多维数据模型、星型模式等概念作了详细的介绍,分析了传统物资管理系统存在的问题,在此基础上提出了基于数据仓库技术的物资管理系统的研究方法和设计思路,并给出了数据仓库中数据结构的设计实例。     

星链ER模型:一种数据仓库概念设计模型

对于流程工业中的数据仓库建设，存在一贯性质量分析的需求，即前一个工序的工艺可能影响下一个工序的产品质量．针对这种需求，提出了一种数据仓库的概念设计模型，星链ER模型．其中引入了链式事实主题结构的概念，并把度量细分为传递型度量与非传递型度量，给出了星链ER模型的图形表示法以及由概念模型到逻辑模型的转换规则．该模型可以方便地转化成多种逻辑模型如星型模式、雪花模式以及星座模式．     

基于关系数据库和XML的OLAP建模方案

OLAP系统运行的基础是多维数据模型。以快速、准确、灵活地构建多维数据模型为目的,提出了一种基于关系数据库和XML的OLAP建模方案。该建模方案将OLAP的建模任务分为两个阶段:存储层建模和应用层建模。在存储层,使用关系数据库,按照"星型图"方法建立具备多维特性的关系数据模型;在应用层,设计XML Schema,描述多维数据立方体及物理映射。运用建模方案,可以有效提高OLAP多维数据建模的效率和效果。     

基于E-R-P建模体系的政务资源元数据表示模型

针对电子政务中信息资源元数据的表示问题，在研究实体—关系—问题（E-R-P）建模体系的基础上，以数据仓库数据模型的星型模式为例，给出了基于E-R-P建模体系的政务信息资源元数据表示模型及相应的系统概念模型。实践证明，该模型能较好地实现政府信息资源的高效发现和共享。     

语义理解下的自然语言处理及信息检索模型

本文从如何利用语义来构建理想信息检索系统的角度出发,以HNC自然语言理解体系为基础,给出了一种在这一体系下分步构建信息检索系统的实施方案.结合HNC在信息检索方面新近取得的研究成果,从理论和工程两个角度介绍了这一体系服务于信息检索的相关内容,讨论了其中几个重要模型的实现方法.最后沿着方案思路给出了在目前成果基础上进一步发展检索系统的展望.     

一种星型模式下的关联规则挖掘方法

目前的数据挖掘基本上都是基于普通数据集的挖掘,针对星型模式结构的数据挖掘的研究工作较少,为此定义星型模式挖掘结构,并在此基础上构建一种关联规则挖掘算法,该算法先扫描事实表,产生最大频繁项集和关联规则,进而以此为基础,提出一种基于连接条件和关联规则局部有效性的理论,并在此基础上建立一种快速扫描维表属性的方法,一次产生维表隐藏的关联规则,这个扫描是基于局部的,不是基于全局的,同时可根据需要,对于不明确的关联规则,通过构建扩展的维表,进行隐知识的挖掘。算法挖掘速度快,若合理地构建扩展维表,能够发现扩展的隐藏信息。