[发明专利]一种用户访问路径预测方法

说明书

本发明涉及计算机软件领域，公开了一种用户访问路径预测方法，用于更好的预测用户的访问路径。本发明首先从日志文件构造出用户访问序列集，然后在该序列集上，使用改进的PLWAP算法做频繁路径挖掘得到频繁访问路径，从而预测用户下一步访问的页面，为页面推荐、网站拓扑结构调整提供建议。本发明适用于用户访问路径预测。

技术领域

本发明涉及计算机软件领域，特别涉及一种用户访问路径预测方法。

背景技术

用户在网站时所产生的页面点击序列称为用户访问路径。对每位用户的访问路径进行频繁模式挖掘，从而达到预测用户行为。对网站结构优化、网页推荐WEB挖掘是对服务器产生的日志数据进行数据挖掘，挖掘出有用模式。

基于频繁路径挖掘的PLWAP算法将数据压缩在一棵树中，但是使用二进制对树中节点的位置进行编码，存在数据量过大时，二进制位置编码的长度将变得无法想象的长，以及编码的个数也将呈现2的指数级趋势升高的缺陷。

发明内容

本发明要解决的技术问题是：提供一种用户访问路径预测方法，用于更好的预测用户的访问路径。

为解决上述问题，本发明采用的技术方案是：一种用户访问路径预测方法，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。

进一步的，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。

进一步的，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。

进一步的，步骤D一次递归挖掘的步骤具体包括：