邱 波

基于粗糙集的 Web事务聚类算法

邱 波

针对现有 Web 数据挖掘方法发现的知识和规则存在不精确或不完全的问题，将粗糙集引入到 Web 挖掘中，进行Web事务聚类。粗糙近似算法基于用户访问序列的顺序和内容建立用户事务相似度矩阵，运用基于相似度矩阵的粗糙上近似提取初始类，使用相对相似性的条件作为合并准则，基于约束相似性的上近似形成后续类。粗糙近似算法能够有效挖掘Web访问日志，聚类 Web 事务，发现用户访问 Web 页面的模式。

Web挖掘；粗糙集；相似上近似；约束相似性上近似；事务聚类

1 概述

聚类是按照事物间的相似性进行区分和分类的过程，是一种无监督的分类。聚类分为硬计算方法和软计算方法。在硬聚类方法中，根据相似度将对象划分到不同的聚类中，不同的聚类之间没有交集。在软聚类方法中，一个对象可以被分配到2个或者2个以上的聚类中。软聚类可能具有模糊或粗糙的边界域[1]。

用户事务聚类是一个通过 Web 网站相关信息的聚类得到具有相似访问兴趣的用户事务集合的整理和挖掘过程。用户事务聚类可用来准确预测用户浏览行为[2]， 理解和影响购买模式[3]并实现个性化用户访问服务等。Rough 理论[4]是由波兰华沙理工大学 Pawlak 教授于 20 世纪 80 年代提出的一种研究不完整、不确定的知识和数据的表示、学习、归纳的理论方法。对于有大量噪声和孤立点的 Web 数据来说，粗糙集理论正是处理隐藏在信息中的不确定性、含糊性的有力工具。……