UIMA架构下的Web访问信息挖掘与关键技术探讨

本篇硕士学位论文深入探讨了在UIMA架构下Web访问信息的研究和应用。UIMA，全称为Unstructured Information Management Architecture，是一种专为处理非结构化信息设计的架构，它整合了文本处理和信息检索等功能，对于处理大量Web访问产生的非结构化数据具有重要意义。 论文首先介绍了Web数据挖掘的背景，将其视为Web技术和数据挖掘交叉领域的产物，强调了其在当今信息领域的热门地位和挑战性。Web访问信息挖掘作为Web数据挖掘的一个分支，目标是挖掘用户访问行为中的隐藏知识，包括数据提取和数据挖掘两个主要步骤。作者通过流程模型图清晰地展示了这一过程。 在UIMA的应用上，论文着重讨论了数据预处理阶段的方法，如如何通过算法去除Web日志中的非显式请求记录，以及如何利用Web框架页面过滤来提高数据质量。同时，还提出了用户会话识别技术，并比较了绝对方法和渐进方法在识别精度上的优劣，并展示了经过路径补充后的数据预处理结果。 在Web访问信息挖掘方面，作者创新性地引入了Web模糊聚类的概念，详细解释了这一技术的过程模型，展示了其在用户聚类和页面聚类中的实用价值。针对群体用户的访问兴趣和访问序列的关系，论文对现有的基于兴趣度的路径聚类算法进行了分析，提出了改进策略，包括新的聚内中心的定义和算法实现。 论文的结论部分总结了Web访问信息研究的现状，同时也指出了未来研究的方向，即需要解决的问题和可能的发展趋势，这些可能涉及更高级的数据分析技术、隐私保护和个性化推荐等方面。 关键词：Web数据挖掘、Web访问信息挖掘、UIMA、Web模糊聚类、Web路径聚类，这些关键词揭示了论文的核心内容，表明了作者对这些关键技术在实际应用中的探索和贡献。 这篇论文提供了深入理解UIMA在Web访问信息处理中的作用，以及如何利用Web模糊聚类和路径聚类技术进行有效数据分析的重要见解，对于相关领域的研究者和开发者具有很高的参考价值。