隨著高校校園網的建設逐步普及,校園網成為了學生上網的最主要途徑,同時在出口防火墻上產生了大量的網絡行為數(shù)據。在這些海量數(shù)據的背后,還藏匿著一些人們憑直覺和經驗很難發(fā)現(xiàn)的信息。然而,傳統(tǒng)的數(shù)據庫技術很難從大量的數(shù)據中獲取有價值的信息。分析學生用戶的網絡行為數(shù)據,可以有效地幫助學校管理者和學術專家了解學生的網絡行為偏好以及不同學生用戶群體的各種網絡行為,網絡行為是否影響學業(yè)成績等。通過采集學校網絡中心防火墻服務器上記錄的學生大量網絡行為日志,利用Web使用挖掘的方法,對數(shù)據進行處理和轉換,引用了N-gram語言模型,根據日志數(shù)據中URL（Uniform Resource Locator,統(tǒng)一資源定位符）的特征提取出關鍵詞,根據關鍵詞對URL進行分類,從而完成根據網頁行為分類模型對用戶瀏覽的網頁進行分類的目的,根據用戶對不同類型的網站的點擊量,計算出用戶對不同網站類型的瀏覽占比。最后通過與學生學習成績的關聯(lián)分析,得出網頁瀏覽主題與學生成績的相關性結果,并對結果進行解釋與評估。文章總體上分成五個部分,首先在第一章主要闡述了用戶行為分析的研究現(xiàn)狀和意義和論文的主要內容以及組織結構,第二章分析了與... 

【文章來源】：浙江師范大學浙江省

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

用戶行為的研究趨勢

11減少風險，作出正確的決策[5]。通常需要通過模式識別、在線分析處理、統(tǒng)計、機器學習、情報檢索和專家系統(tǒng)等多種方法才能完成挖掘的目標，因此，數(shù)據挖掘技術被認為是一種集多種方法于一身的交叉性研究領域。到目前為止，數(shù)據挖掘技術的發(fā)展經歷了四個階段：數(shù)據搜集、數(shù)據訪問、數(shù)據倉庫和數(shù)據挖掘。數(shù)據挖掘（DataMining，DM）通常又稱為數(shù)據庫中的知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase，KDD），然而嚴格來講，KDD指從數(shù)據中發(fā)現(xiàn)有用知識的整個過程，包括最開始的設定目標到最后的結果分析，數(shù)據挖掘被認為是KDD這個過程中一個特定的步驟。數(shù)據挖掘的定義是：從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程，并且把提取到的知識和信息用概念、規(guī)律、模式、約束、可視化等方式表現(xiàn)出來[6]。2.2.2數(shù)據挖掘的過程為了保證數(shù)據挖掘的過程中能夠按計劃有條不紊的進行，許多數(shù)據挖掘顧問公司和軟件供應商都會在開始數(shù)據挖掘之前制定好挖掘的步驟，一般情況下數(shù)據挖掘的過程是：陳述問題和闡明假設、數(shù)據準備和預處理、算法選擇與挖掘數(shù)據、結果解釋和評估。數(shù)據挖掘的過程如圖2.1所示。圖2.1數(shù)據挖掘的過程[5]王元卓,靳小龍,程學旗.網絡大數(shù)據:現(xiàn)狀與展望[J].計算機學報,2013,36(06):1125-1138.[6]唐曉萍.數(shù)據挖掘與知識發(fā)現(xiàn)綜述[J].電腦開發(fā)與應用,2002(04):31-32+35.

15圖2.2Web挖掘的三大類（1）Web內容挖掘網頁內容主要是呈現(xiàn)給用戶的文檔和多媒體數(shù)據，包括圖像、視頻、音頻以及動畫等，挖掘的對象是網頁的文本內容和多媒體數(shù)據，主要的挖掘對象網頁文本內容的挖掘。根據定義，Web內容挖掘是從網頁文檔和后臺數(shù)據挖掘出信息，找出網頁文檔中有價值的知識。采用的方法包括歸納總結法、分類聚類法和數(shù)據建模的方法。網頁文本分類是預先定義好需要分成的主題類別，通過訓練數(shù)據建立網頁分類器，利用網頁分類器把預分類的文檔一一劃分至設定好的分類集合中，一個集合內的網頁文檔便屬于一個類別，分好類的網頁方便用戶檢索。與利用分類器分類網頁不同的是聚類法，聚類不需要事先預定好分成的主題類別，它只需要確定需要聚類的幾個中心，在同一個類別的文檔就是離同一個中心最近的文檔集合，不同類的網頁文檔離不同的聚類中心遠。所有聚類又屬于是一種無監(jiān)督學習。（2）Web結構挖掘網頁里的內容除了文檔和多媒體數(shù)據外，通常還包含大量的URL鏈接，Web結構指的就是網頁里的鏈接指向，即通過一個url可以進入另一個頁面，這種不同網頁之間建立起的連接就是Web結構挖掘的主要對象。通過url可以知道與一個網頁有關系的其它網站，它們的關系可以是相互推薦的，也可以是隸屬于的。這種網頁之間的相關性可以用來鑒定當前網頁的權威性或者用來發(fā)現(xiàn)與當前主題網頁相關的的權威站點，因為當一個網頁里有另一個網頁的鏈接，說明另一個網頁是受認可的。Web結構挖掘通常用于Web頁面的發(fā)現(xiàn)。當挖掘出的多數(shù)頁面都包含有對同一個頁面有建立連接，至少可以說明這個頁面是受到大多數(shù)認可的。（3）Web使用挖掘（Web日志挖掘）即Web日志挖掘，在使用Web上網過程中，用戶會留下很多的記錄，用戶IP地

【參考文獻】：
期刊論文
[1]關聯(lián)分析在學生成績數(shù)據挖掘的應用[J]. 狄曉嬌.  電腦知識與技術. 2018(34)
[2]高校學生網絡行為時序特征的可視化分析[J]. 嚴承希,王軍.  情報學報. 2018(09)
[3]基于改進的n-gram模型的URL分類算法研究[J]. 駱聰,周城.  計算機技術與發(fā)展. 2018(09)
[4]一種面向海量網絡審計日志的敏感用戶挖掘分析架構[J]. 李棟科.  網絡空間安全. 2018(04)
[5]基于大數(shù)據平臺的用戶畫像與用戶行為分析[J]. 謝康,吳記,肖靜華.  中國信息化. 2018(03)
[6]基于Spark的用戶行為分析系統(tǒng)框架研究[J]. 殷樂,姚遠,劉辰.  網絡安全技術與應用. 2018(02)
[7]基于層次聚類法的“知乎”用戶細分與行為分析[J]. 陳娟,吳卓青,鄧勝利.  情報理論與實踐. 2018(07)
[8]基于聯(lián)合特征的釣魚網頁分類方法[J]. 賈雪鵬,容曉峰.  電子技術與軟件工程. 2018(02)
[9]基于系統(tǒng)日志的高校圖書館研究間用戶利用行為分析[J]. 尹相權,李書寧,弓建華.  現(xiàn)代情報. 2018(01)
[10]一種基于機器學習的網頁分類技術[J]. 孫靖超.  信息網絡安全. 2017(09)

碩士論文
[1]基于URL模式的網頁分類算法研究[D]. 楊鎰銘.中國科學技術大學 2016
[2]基于URL特征的網頁分類研究[D]. 李玄.南京郵電大學 2011



本文編號：3309403