효율적인 클러스터링을 이용한 관심 정보 추출을 위한 웹 마이닝 = Web Mining for Discovering Interesting Informationusing Effective Clustering

다국어 초록 (Multilingual Abstract)

In internet being a repository of massive information, we easily may not find our desired information, this issue also exists in e-commerce which gets rapid growth. In most of e-commerce sites, the methods furnishing information have been made use of statistical analysis or simple process by category-oriented, but these can't represent diverse correlation among products information and also hardly reflect users' purchasing patterns precisely. In this thesis, we propose more efficient web mining ways for discovering interesting information using effective clustering in e-commerce, which get achieved more suitable relationship among products information using both sequential patterns and association rules in category-independent, and experiments show the efficiency of our proposed methods. And we propose search using effective clustering rapidly.

국문 초록 (Abstract)

인터넷의 전자상거래에서 대규모 정보 저장소에 있는 원하는 정보를 신속하게 검색하기란 어렵다. 대부분의 전자상거래 사이트에 있어서 정보를 제공하는 방법으로는 통계적 분석이나 분류별 지향의 간단한 과정을 통해 생성된다. 그러나 이러한 것은 생성 정보들 사이의 다양한 상호관계를 표현할 수 없고 사용자의 정확한 구매 패턴을 반영하기 어렵다. 본 논문에서는 전자상거래에서 효과적인 클러스터링을 이용한 다양한 관심정보 추출을 위한 효율적인 웹 마이닝을 제안한다. 이러한 방법은 분류별 항목에서 순차 패턴과 상관 규칙을 이용하여 생성 정보들 사이의 보다 적합한 상관관계를 구성하고 제안된 방법을 통해 효율적인 실험 결과를 나타낸다. 그리고 효과적인 클러스터링을 이용하여 신속한 검색을 제안한다.

참고문헌 (Reference)

1 Sleepycat, "버클리 DB XML, Berkeley DB"

2 MicroSoft, "XML for SQL Server 2000"

3 X-Hive, "X-Hive/DB"

4 Cooley R., "Web Mining: Information and Pattern Discovery on World Wide Web" 1997

5 K.Eunjung, "The Design of Effective Storage Structure and Index Model in XML Document" 29 (29): 0110-0118, 2001

6 Software A.G., "Tamino"

7 Zhu T., "Predicting Where a Web User Wants to Go" 5-10, 2003

8 Oracle, "Oracle 9i"

9 Srikant R., "Mining Sequential Patter-ns: Generalizations and Performance Improvements" 3-17, 1996

10 Han J., "Mining Frequent Patterns without Candidate Generation" 1-12, 2000

11 Infonyte, "Infonyte DB 3.0"

12 Agrawal R., "Fast Algorithms for Mining Association Rules in Large Databases" 1994

13 Ling C.X, "Data Mining for Direct Marketing: Problems and solutions" 73-79, 1998

14 Michael J. A., "Data Mining Techniques For Marketing, Sales, and Customer Support" WILEY COMPUTER PUBLISHING 1997

15 A. Guillaume, "Clustering of XML Document" 127 : 215-227, 2000

16 Pei J., "CLOSET: An efficient algorithm for mining frequent closed itemsets" 11-20, 2000

17 Sleepycat, "Berkeley DB"

18 T.Fiebig, "Anatomy of a Native XML Base Management System" 11 (11): 292-314, 2002

19 Zhu T., "An effective complete-web recommender system" 2003

20 Park J.S., "An Effective Hash-Based Algorithm for Mining Association Rules" 175-186, 1995

21 U. Westermann, "An Analysis of XML Database Solutions for the Management of MPEG-7 Media Descriptions" 35 (35): 331-373, 2003