一种基于关联矩阵的自适应Web站点的研究与实现

自适应Web站点站能够根据用户需要快速灵活地改变自身,动态适应不断变化的用户需求和应用环境.通过Web日志文件的挖掘,找出用户的访问模式,及该模式中的访问类型,而且分析当前访问页面的频繁度后,形成经过内容裁剪的个性化页面来压缩Web页面内容.在此基础上,设计了一个自适应站点模型,改善Web站点的结构和组织形式以使站点达到更好的效果.     

一种基于Web日志挖掘的用户偏爱度度量方法

分析了用户访问Web站点的浏览日志,度量用户的浏览行为.实验从实际获得的Web日志着手,进行Web日志的挖掘,提取用户浏览Web的行为特性数据.通过时间阈值进行会话的划分,选取合适的数据预处理,归一化后生成数据模式向量,引入人工神经网络中的自组织特征映射(SOM)模型,对用户访问倾向聚类,对用户浏览的偏爱度进行度量,为Web站点的进化提供依据.     

基于协作反馈的蚁群算法的自适应网站研究

提出了一种基于蚁群算法的关联网页推荐方式,针对蚁群算法中固有的缺陷以及它在自适应网站应用中所出现的问题进行相应的模型改进.引入了选择权值自适应,反馈机制和多智能体协作的思想,解决了收敛速度和停滞现象的矛盾平衡问题,实现了动态调整系统推荐和不同访问用户之间的交互,并根据用户日志进行了访问倾向性推荐.     

基于Web使用挖掘的个性化站点研究

针对用户特性向用户提供服务的个性化Web站点已经成为Web技术的研究热点.将数据挖掘技术应用于Web日志记录,来发现用户访问Web页面的模式,形成了Web使用挖掘.通过建立与更新用户模式库,个性化Web站点为用户的访问提供推荐.研究了Web使用挖掘技术,并对个性化Web站点的建立进行了探讨.     

自律式容侵安全数据库模型

针对当前入侵容忍的数据库系统缺乏自适应能力的问题,采用了将自律计算、入侵容忍与传统数据库安全相结合的方法,提出了一个自律式容侵安全数据库模型.通过对数据库运行状态集的实时监测,自主评价访问可信度并对可疑访问进行自适应分流,并将高危访问进行特征分析并施加安全策略,最终保障数据库的安全运行.实验数据表明,该模型对本地和网络攻击可以实现有效稳定抵御,对于国家机构的数据管理、大型企业的管理控制等安全级别要求较高的领域有着重要的意义和价值.     

电子商务站点工作负荷表征的用户行为模拟法

针对传统的工作负荷表征方法,未能很好地揭示会话层内顾客行为变化对工作负荷所带来的影响,提出了一种通过模拟用户行为来捕获工作负荷参数的方法.此方法先通过客户状态转换模型,用图形的方式直观地描述了顾客在访问一个电子商务站点期间所执行的各个商务功能,以及各个功能之间的相互联系.接着用客户/服务器交互逻辑树形象地表示了顾客在执行一个商务功能期间对站点各个服务器及资源的调用情况.结合使用这两种工具,方便地获得了顾客访问电子商务站点期间的行为所引起的站点各个服务器以及各种资源的工作负荷参数,从而用于指导站点的性能评价和容量规划.     

基于聚类的Web用户访问模式的算法研究

用户对Web站点的访问代表了用户对Web站点上页面的访问兴趣,这种兴趣程度可以通过用户对Web站点上页面的浏览顺序及页面上的浏览时间表现出来.通过对Web用户访问路径的分析,提出一种基于浏览路径及浏览时间的相似度的度量方法.然后,把粗糙度的概念引入Leader聚类算法中,提出粗糙Leader聚类算法.最后使用标准数据集进行了试验,证明基于此种相似度计算方法,应用粗糙Leader聚类算法Web用户的有效性.     

BIRCH算法在自适应WEB设计中的应用

本文把BIRCH算法应用于自适应WEB站点的设计中,具体给出聚类过程中的距离计算公式和聚类中心计算公式,并按数据挖掘的过程对自适应WEB站点的设计中的各个问题进行了介绍.     

一种基于客户端的用户浏览行为的采集方法

Web使用挖掘技术通过挖掘并分析用户对Web站点的访问模式,在帮助Web站点调整结构,确定产品的市场战略,提高商业活动的效率等方面存在广泛的应用前景.如何得到准确的用户浏览行为信息,是Web访问挖掘研究的一个重点.本文主要对在客户端获取准确的用户浏览行为信息的过程进行了研究.     

单个用户浏览特征定量分析

为了挖掘Web日志中蕴含的用户访问模式,针对单个用户的浏览特征进行定量分析.通过构建用户访问空间,利用拟合、幂指数、主成分分析等方法确定了纵向和横向两个面中各个维度的计算方法,并归纳了用户访问特性.分析结果表明,用户单次浏览站点数一般在25以内,且用户的访问动机确有主次之分,所关注的站点有明显的集中性和稳定性.     

一种基于URL路径的页面用户聚类方法

结合Web用户浏览行为的特点,提出了一种基于路径的Web页面相似度聚类算法,使用用户的浏览行为描述和用户对页面的访问次数建立Web站点的访问矩阵,并在此基础上对站点进行URL用户聚类。最后,使用标准数据集进行了试验,证明基于此种相似度计算方法的URL聚类算法对Web用户聚类是有效的。     

Web日志挖掘

提出了一种新颖的MBP算法，它利用关联规则挖掘发现的频繁项目集以加快速度，能找出所有满足阀值约束的频繁浏览路径，该算法是有很效的，同时，针对Web浏览和日志文件固有的模糊性和不确定性，还讲座了Web面面的模糊聚类问题，最后，对发现的知识讨论了其在推荐系统及自适应Web站点中的应用并给出了相应算法。     

基于特征相关学习的网页信息提取方法

为了给出网页信息提取方法的数学形式化的理论分析,首先用一维空间域的信息函数来表示网页信息,并通过分析网页过滤过程,推导出网页信息过滤定理.然后通过分析网页的相似性,推导并提出一种基于相关过滤的网页特征信息的提取理论.在这个理论基础上,融合基于标识规则和基于内容规则的两种方法,提出一种基于特征相关学习的网页信息提取方法.导出的特征提取理论和实验结果表明这种方法具有较好的准确率.     

Web系统的QoS控制研究

主要论述了在Internet环境下的Web网站在流量变化很大的情况下通过不同的网络传输模型及Web服务模型实现其QoS控制,能够实现高可伸缩性、高性能、高性价比的Web环境.最后简要论述了WebQoS技术产品及Web QoS技术的研究现状.     

Web用户访问模式挖掘

随着网站内容的不断丰富和访问量的增加,网站结构变得越来越复杂,导致信息获取和推送都比较困难.将数据挖掘技术应用于用户访问模式,形成了Web访问模式挖掘.Web访问模式挖掘是从Web访问日志中挖掘有用的用户访问信息,据此可以形成关联规则、序列模式、聚类模式和分类模式等4类信息,这对于优化站点结构、为不同类别的用户提供个性化服务,有效地实现信息获取和信息推送是非常必要的.Web访问模式挖掘是目前数据挖掘领域的一个重要研究课题,结合研究工作,从概念、方法、任务、过程、应用及面临的挑战等方面对其进行了较详细的评述.     

基于关联规则的Web使用挖掘系统

通过分析Web日志记录来发现用户访问行为等,进而识别电子商务中的潜在客户,提高网络信息服务的质量,优化站点结构以及得到对于个性化系统有用的信息.提出一个Web使用挖掘系统的设计方案,包括系统的体系结构、功能结构及每个功能点的详细设计.为Web使用系统开发人员提供有价值的参考信息.     

基于人工蚁群的Web会话聚类

将改进的蚁群聚类算法应用于Web使用挖掘中,可对Web事务进行聚类,以便了解Web用户的兴趣以及它们之间的联系,从而为用户提供个性化的服务。同时定义一个Web会话为一个带权值的多维向量,也定义了两个会话间的相似度度量。实验表明在广西大学网站抽取的会话数据集上执行蚁群聚类算法得到的聚类是稳定的。结果显示该算法执行得很好,能找到没有噪音的聚类。     

一个完全数据库驱动的Web发布平台

介绍一个完全数据库驱动的Ｗｅｂ发布平台，使用面向对象的方法对Ｗｅｂ页面的结构及内容进行了分析，将其作为永久对象存储在数据中，实现了网站的哪布的完全数据区动。     

QoS敏感的服务组合动态配置研究

针对静态配置的Web服务组合系统无法适应组件服务QoS的动态变化,以及对易错环境缺乏自适应性和不能反映系统不断演进特征的问题,提出了一种QoS敏感的服务组合系统动态配置方法.通过扩展Petri网对服务依赖关系进行建模,形成一个形式化的系统配置方案;利用无循环依赖关系验证算法和最终状态合法性验证算法验证了系统配置方案的正确性;提出了一种最优配置选择算法以选取具有最优QoS的服务配置.仿真实验对比了动态配置、静态配置和随机配置对用户服务请求满意度的影响,结果表明,所提建模方法和相应算法能大幅改善组合服务的QoS.