[发明专利]一种用户访问路径预测方法

权利要求书

1.一种用户访问路径预测方法，其特征在于，包括以下步骤：

A、从站点服务器获取日志数据进行数据预处理，构造用户访问序列集；

B、对于用户访问序列集，删除每个序列中的非频繁项，得到频繁访问序列集；

C、根据频繁访问序列集以及改进编码模式将数据压缩在改进的PLWAP-树中；所述改进编码模式包括：以先序遍历方式遍历整个树，对每个访问到的节点从0开始编号；如果某节点为叶子节点，则其desPreOrderID等于该节点的preOrderID；如果某节点有子孙节点，则该节点的desPreOrderID取左孩子节点与右孩子节点desPreOrderID中的最大值；其中，preOrderID为先序遍历序号，desPreOrderID为子孙节点的先序遍历序号；

D、在改进的PLWAP-树上使用挖掘算法进行频繁路径递归挖掘，得到用户访问模式集合；

E、对步骤D中得到的用户访问模式集合进行模式分析，从而对用户访问路径进行预测。

2.如权利要求1所述的一种用户访问路径预测方法，其特征在于，步骤A对日志数据进行预处理，具体包括以下分步骤：

A1、对日志文件进行数据清洗，去除无效数据和非用户主动访问的项目；

A2、根据日志数据和站点拓扑结构将用户及请求访问网页进行关联，并对用户进行识别；

A3、将用户的原始访问序列划分为若干个单次访问序列；

A4、若用户请求访问页面和对应页面请求无链接关系，则利用站点拓扑结构将请求页面补充完整。

3.如权利要求1所述的一种用户访问路径预测方法，其特征在于，步骤C根据频繁访问序列集以及改进编码模式将数据压缩在改进的PLWAP-树中具体包括：

依次取出频繁序列集的一条序列L1，对于L1中一个频繁项ei，1)如果ei不存在，从根节点起，先序遍历该树，由1开始依次递增对每个节点的preOrderID进行编码，并置desPreOrderID＝0，同时将同形结点加入头结点链中，然后再从根节点开始，后序遍历树，根据节点的desPreOrderID定义，设置每个节点的desPreOrderID；2)如果ei存在，并且当前节点有子节点，ei属于当前节点子节点的其中一个，则子节点计数值加1；3)如果ei存在，并且当前节点有子节点，但ei不属于当前节点子节点的其中一个，则将ei作为新的节点(ei:1)插入至树中，支持度计数为1；4)如果当前节点没有子节点则也将ei作为新的节点(ei:1)插入至树中，支持度计数为1。

4.如权利要求1所述的一种用户访问路径预测方法，其特征在于，步骤D一次递归挖掘的步骤具体包括：

判断频繁项ei后缀树集R是否为空，1)如果后缀树集R为空，则算法结束；2)如果不为空，对于每个频繁项ei，获取ei后缀树集R，获取ei的第一结点S，并将S插入后缀树集R’，后缀树集R’用于下次递归；3)对于ei-结点链的每个同形结点eij和后缀树集R的每个节点Ri，判断他们的关系：3.1)如果Ri是eij的祖先节点且eij不是S的子孙节点，累加计算eij计数值C，并将eij插入后缀树集R’，第一节点改成eij；3.2)如果Ri是eij的左兄弟节点，则继续读取下一个后缀树集R中节点；3.3)如果Ri是eij的右兄弟节点或是子孙节点，则继续读取ei-结点链的下一个节点；4)当后缀树集R中再无节点时，且当前计数值C大于最小支持度，则将该频繁项添加入频繁集F’集中，并将同形节点加入且后缀数集R’中；5)将本次获取的后缀数集R’和频繁集F’作为下次挖掘的条件继续挖掘。