Web挖掘研究

因特网目前是一个巨大，分布广泛，全球性的信息服务中心，它涉及新闻，广告，消费信息，金融管理，教育，政府，电子商务和许多其它信息服务，Web包含了丰富和动态的超链接信息，以及Web页面的访问和使用信息，这为数据挖掘提供了丰富的资源，Web挖掘就是从Web活动中抽取感兴趣的潜在有用模式和隐藏的信息，对Web挖掘最新技术及发展方向做了全面分析，包括Web结构挖掘，多层次Ｗeb数据仓库方法以及Ｗ eb,Log挖掘等。  

基于Rough Set理论的"数据浓缩"

本文了基于ＲｏｕｇｈＳｅｔ（ＲＳ）理论数据浓缩的几个问题。  

WWW上的信息挖掘技术及实现

随着Ｉｎｔｅｒｎｅｔ应用的逐渐普及，ＷＷＷ已经发展成为一个巨大的的分布式信息空间，为用户提供了一个极用价值的信息源。但因Ｉｎｔｅｒｎｅｔ所固的开放性，动态性与异构性，又使得用户很难准确快捷地从ＷＷＷ上获取所需信息。文中将数据挖掘的思想引信了ＷＷＷ信息处理领域来解决网上信息有效获取的问题，讨论了在ＷＷＷ上进行信息挖掘所采用的算法和策略，最后简要介绍了一个采用向量空间模型和改进Ｒｏｂｏｔ技术的网络信息  

基于FP-Tree的最大频繁项目集挖掘及更新算法

挖掘最大频繁项目集是多种数据挖掘应用中的关键问题,之前的很多研究都是采用Apriori类的候选项目集生成-检验方法.然而,候选项目集产生的代价是很高的,尤其是在存在大量强模式和/或长模式的时候.提出了一种快速的基于频繁模式树(FP-tree)的最大频繁项目集挖掘DMFIA(discover maximum frequent itemsets algorithm)及其更新算法UMFIA(update maximum frequent itemsets algorithm).算法UMFIA将充分利用以前的挖掘结果来减少在更新的数据库中发现新的最大频繁项目集的费用.  

Web日志的高效多能挖掘算法

通过对Web服务器日志文件和客户交易数据进行分析，可以发现相似客户群体、相关Web页面和频繁访问路径，提出了一种新颖的Web日志挖掘算法。在该算法中，首先以Web站点URL为行、以UserID为列建立URL－UserID关联矩阵、元素值为用户的访问次数，然后，在列向量进行相似性分析得到相似客户群体，对行向量进行相似性度量获得相关Web页面，对后者再进一步还可以发现频繁访问路径。实验结果表明了算法的有效性。  

向量空间法中单词权重函数的分析和构造

文本分类是文本挖掘的基础与核心，是近年来数据挖掘和网络挖掘的一个研究热点，在传统的情报检索、网站索引体系结构的建立和Web信息检索等方面占有重要地位，深入分析了一种简单而常用的经典文本分类模型－－向量空间模型（vector space model,VSM)－－的实质，找出了其分类精度低的原因，提出了一种利用特征筛选中的评估函数代替IDF函数进行权值调整的方法，并对采用各种不同评估函数进行权值调整的性能进行了理论分析和实验比较，提出了一种构造新的高性能评估函数的新颖方法。  

数据挖掘技术在Web预取中的应用研究

WWW以其多媒体的传输及良好的交互性而倍受青睐，虽然近几年来网络速度得到了很大的提高，但是由于接入Internet的用户数量剧增以及Web服务和网络固有的延迟，使得网络越来越拥护，用户的服务质量得不到很好的保证。为此文中提出了一种智能Web预取技术，它能够加快用户浏览Web页面时获取页面的速度。该技术通过简化的WWW数据模型表示用户浏览器缓冲器中的数据，在此基础上利用数据挖掘技术挖掘用户的兴趣关联规则，存放在兴趣关联知识库中，作为对用户行为进行预测的依据。在用户端，智能代理负责用户兴趣的挖掘及基于兴趣关联知识库的Web预取，从而对用户实现透明的浏览器加速。  

数据挖掘中的聚类方法

从空间X中给定一个有限的取样点集(或从数据库中取得有限例子的集合),{x~i}_(i 1)~M,聚类的目标是将数据聚集成类,使得类间的相似性尽量小,而类内的相似性尽量大。分类问题(监督)和聚类问题根本的不同是:分类问题中,我们知道训练例的分类属性值,而在聚类问题中,就需要我们在训练例中找到这个分类属性值。1 数据挖掘领域中的聚类研究  

概念格与关联规则发现

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具。它体现了概念内涵和外延的统一，反映了对象和特征间的联系以及概念间的泛化与例化关系，因此非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系，根据需要对格结构进行了相应的修改，提出了相应的渐进式生成算法和基于概念格的关联规则提取算法，通过定理和性质对算法进行了说明并对关联规则进行缩减。最后对格结构的复杂性进行了讨论并给出了相应的实验结果。  

关联规则挖掘综述

介绍了关联规则挖掘的研究情况，提出了关联规则的分类方法，对一些典型算法进行了分析和评价，指出传统关联规则衡量标准的不足，归纳出关联规则的价值衡量方法，展望了关联规则挖掘的未来研究方向。