基于频繁访问页组的路径聚类研究

doi:10.3778/j.issn.1002-8331.2010.33.037

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (33): 130-131.DOI: 10.3778/j.issn.1002-8331.2010.33.037

• 数据库、信号与信息处理 • 上一篇下一篇

基于频繁访问页组的路径聚类研究

吴俊杰¹，刘耀军¹，陈俊杰²

1.太原师范学院计算机系，太原 030012
2.太原理工大学计算机与软件学院，太原 030024

收稿日期:2009-04-02 修回日期:2009-06-17 出版日期:2010-11-21 发布日期:2010-11-21
通讯作者: 吴俊杰

Research of path clustering based on frequently visited page groups

WU Jun-jie¹，LIU Yao-jun¹，CHEN Jun-jie²

1.Department of Computer，Taiyuan Normal University，Taiyuan 030012，China
2.College of Computer and Software，Taiyuan University of Technology，Taiyuan 030024，China

Received:2009-04-02 Revised:2009-06-17 Online:2010-11-21 Published:2010-11-21
Contact: WU Jun-jie

摘要/Abstract

摘要： 基于用户会话的页面聚类算法旨在发现用户在浏览过程中频繁访问的页组，为站点管理员优化站点结构提供有力的依据。将介绍一种改进的基于频繁访问页组的路径聚类算法K-PathPlus，其中定义了新的兴趣度、内容链接因子。最后采用龙城热线网站日志进行真实测试，实验的结果是成功的。

关键词: 访问兴趣, 聚类, 路径聚类, 数据挖掘, 兴趣度, 内容链接因子

Abstract: The page clustering based on user sessions is to group the frequently visited pages，which can help the webmaster to optimize the site topology.This paper will introduce an improved clustering algorithm based on users’ access interest.K-PathPlus defines new interest degree，content-link ratio.In the end a true experiment is done by using www.ty.sx.cn log file.The result of experiment is successful.

Key words: access interest, clustering, path clustering, data mining, interest degree, content-link ratio

中图分类号:

TP391

吴俊杰¹，刘耀军¹，陈俊杰². 基于频繁访问页组的路径聚类研究[J]. 计算机工程与应用, 2010, 46(33): 130-131.

WU Jun-jie¹，LIU Yao-jun¹，CHEN Jun-jie². Research of path clustering based on frequently visited page groups[J]. Computer Engineering and Applications, 2010, 46(33): 130-131.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[7]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[8]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[9]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[10]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[13]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[14]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[15]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.

基于频繁访问页组的路径聚类研究

Research of path clustering based on frequently visited page groups

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics