并行分布式的Web访问模式双层聚类

来源：计算机工程与应用杂志2019年第23期北京时间：

作者：贾晓莉，吴瑞，吴思颖

单位：山西师范大学 数学与计算机科学学院，山西 临汾 041004

摘要：Web日志挖掘可以通过对用户访问模式进行分析，以获取用户的访问兴趣程度。目前，大多数的web日志挖掘是基于频率的，其挖掘的信息没有太大的价值。而提出的聚类技术是基于访问时间的，使用模糊向量表示用户浏览模式，记录用户是否浏览过该页面以及停留的时间。通过不同的聚类方法对用户的访问序列进行聚类分析。将模糊粗糙[k]-均值和夹角余弦相结合，提出了一种双层聚类技术，减少了对初始聚类中心的敏感性，并且通过一系列实验，论证了该聚类方法的可行性。而且，实验通过使用Davies-Bouldin指标来验证不同聚类方法的效果并进行比较。由于数据量大时，仍然存在算法效率低的问题，因此，使用MapReduce实现双层聚类的并行化，提高了聚类的效率。

关键词：web挖掘,模糊粗糙聚类,web访问模式,夹角余弦,并行