[摘 要]本文采用K-均值聚類算法對Web日志進行挖掘，并將Web日志挖掘的知識用于網(wǎng)頁推薦。在網(wǎng)頁推薦環(huán)節(jié)，我們采用了打分函數(shù)，這個函數(shù)充分考慮了各種因素對用戶訪問的影響。

[關鍵詞]K- means算法 Web日志挖掘 網(wǎng)頁推薦 打分函數(shù)

中圖分類號：TM121.1.3 文獻標識碼：B 文章編號：1009-914X（2016）01-0067-02

1.引 言

隨著全球經(jīng)濟一體化的發(fā)展，市場營銷策略已愈來愈強調面向市場的方式，企業(yè)想要在競爭中取得優(yōu)勢地位，重要的是按照不同用戶群體的特定需要，提供全面的服務，精確滿足各個消費群體的不同需求。Web聚類挖掘正是因為能夠實現(xiàn)這一目標而成為當前發(fā)展電子商務的一個重要課題。

2.Web日志上的聚類挖掘

2.1Web日志聚類的分類

Web日志上的聚類有兩種：用戶聚類和頁面聚類。用戶聚類是對用戶的會話進行分析。通過聚類分析的方法，將訪問模式相同的用戶聚在一起，將訪問模式不同的用戶區(qū)分開。頁面聚類是對被用戶訪問的頁面情況進行分析，根據(jù)用戶訪問內容，發(fā)現(xiàn)被相同用戶訪問的頁面，并將其歸為一組。

2.2會話以及會話矩陣的表示

這里采用向量的方式來表示會話，為了表示一個會話向量需要對網(wǎng)站中的所有網(wǎng)頁進行編碼，從而將網(wǎng)頁用對應的編碼來代替。設會話向量V=（U1，U2，U3……Un），其中Ui的值是對編號為i的網(wǎng)頁進行訪問的次數(shù)，如果編號為i的網(wǎng)頁沒有被瀏覽，Ui=0。有了會話向量，就可以將日志中所有的會話用向量的方式表示出來，然后就可以得到會話矩陣。

2.3會話的相似度量方法

2.3.1會話間的相似度

這里用夾角余弦法來定義兩個會話i，j之間的相似度S（i，j），設會話i的會話Vi=（mi1，mi2， mi3……min），會話j的會話向量為Vj=（mj1，mj2， mj3……mjn），那么

設相似矩陣為R=（rij）s*s，rij用來代替會話i和j的相似度：

2.3.2相似度矩陣

相似度矩陣：對于矩陣R，，其中rij=S（i，j），即會話i和j的相似度。矩陣R為會話集合的相似度矩陣。

3.Web日志上的聚類分析算法

3.1K-均值聚類算法

我們選擇聚類算法中的K-均值聚類算法（k-means algorithm）來進行Web上的用戶聚類和網(wǎng)頁聚類，K-均值聚類算法是無監(jiān)督分類中的一種基本方法，其也稱為C-均值算法，其基本思想是：通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。該算法必須在開始輸入一個K值，作為該算法在數(shù)據(jù)集上分割并計算后輸出聚類的數(shù)量。

算法的開始是隨機的從聚類對象集合中取K個對象，最為最初的聚類中心，然后算法開始循環(huán)迭代，對每一個輸入的對象向量計算它與K個聚類中心的距離，找到距離對象最近的聚類，并將其歸為該聚類。重新計算聚類的中心，然后依次迭代，知道聚類的成員不再變化，或者用來衡量聚類質量的目標函數(shù)不存在明顯的變化，即變化小于一個可以認可的值。

4. Web日志聚類結果的應用

Web日志聚類結果最直接的用途就是網(wǎng)頁推薦。網(wǎng)頁推薦的過程，首先要提取用戶的訪問模式，然后對網(wǎng)站中的各個網(wǎng)頁進行打分，按照得分的高低來排序，最后將得分較高的若干網(wǎng)頁推薦出去。網(wǎng)頁推薦最重要的一個環(huán)節(jié)就是對打分函數(shù)的設計，即依據(jù)什么樣的函數(shù)來對網(wǎng)頁進行打分。在定義打分函數(shù)之前我們先定義以下幾個概念：

會話片段向量：對于一個當前還結束的會話，構造一個向量ui=（u1，u2， u3……un），其中n是經(jīng)過了預處理后網(wǎng)頁的總數(shù)目，ui的值是該會話對編號為i的網(wǎng)頁的訪問次數(shù)，我們稱向量u為一個會話片段向量。

網(wǎng)頁訪問向量：p=（p1，p2， p3……pn）， 其中n是經(jīng)過了預處理后會話的總數(shù)目。pi是編號為i的會話對網(wǎng)頁p的訪問次數(shù)。

聚類支持度函數(shù)：S_cluster（u，p）=Projp（maxc（u，ci）），其中ci是對會話的聚類分析后聚類中編號為i的聚類簇的中心。maxc（u，ci）函數(shù)的值是同會話片段向量u相似度最大的中心向量。

聚類支持函數(shù)是從用戶聚類的角度來考慮預期的推薦網(wǎng)頁，即用當前的會話片段向量距離最近的聚類中心的屬性來考慮對網(wǎng)頁p的支持程度。

點擊率：

其中Ci是經(jīng)過預處理后，用戶對編號為i的網(wǎng)頁的總訪問次數(shù)。Cp是經(jīng)過預處理后，用戶對網(wǎng)頁p的總訪問次數(shù)。點擊率函數(shù)參照了網(wǎng)頁p原來被訪問的數(shù)據(jù)，從概率的角度來考慮網(wǎng)頁p被再次訪問的可能性。

打分函數(shù)： f（p，pl，u）=S_cluster（u，p）×S_click（p）×sim（p，pl）

其中pl是會話u最近訪問的頁面。p是當前需要打分的頁面。sim（p，pl）是網(wǎng)頁p和網(wǎng)頁pl的相似度。

有了打分函數(shù)，就可以對一個具體的用戶推薦網(wǎng)頁。對于一個當前需要推薦網(wǎng)頁的用戶，首先提取他的訪問會話片段向量u。然后，從數(shù)據(jù)庫中得到會話聚類分析的結果，計算出距離當前用戶最近那一個聚類簇C，計算C的聚類中心，根據(jù)日志中的時間屬性，找到會話中的最后訪問網(wǎng)頁pl。假定網(wǎng)頁pl所屬的網(wǎng)頁聚類為K，對于推薦網(wǎng)頁集合中每一個網(wǎng)頁根據(jù)打分函數(shù)的定義，計算它的得分，最后按照得分的高低對所有打分后的網(wǎng)頁進行排序，將排序在前面的網(wǎng)頁推薦給用戶U。

5.總結

本文采用K-均值聚類算法對Web日志中的用戶和頁面進行聚類，并將聚類結果用戶網(wǎng)頁推薦。在網(wǎng)頁推薦過程我們運用打分函數(shù)對網(wǎng)頁進行排序，把分數(shù)的較高的網(wǎng)頁推薦給網(wǎng)頁，這樣更能滿足用戶的需要。

參考文獻

[1] 陳安，陳寧，周龍驤.數(shù)據(jù)挖掘技術及應用.北京：科學出版社.2006.3

[2] 康曉東.基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術.北京：機械工業(yè)出版社.2004

[3] 王春霞.基于Web日志的挖掘研究[D].鄭州大學.2003

[4] 范明.聚類算法在Web挖掘中的應用[D].西北工業(yè)大學.2007

[5] 付國瑜. 基于Web日志的數(shù)據(jù)挖掘研究[D].重慶大學.2007

作者簡介：

令狐紅英（1982—— ），女，貴州師范學院教師，講師，主要研究方向為數(shù)據(jù)庫技術與軟件工程。