第11章文本挖掘與Web挖掘

第11章文本挖掘與Web挖掘

目錄13.1文本挖掘概述

13.2文本挖掘13.3Web挖掘

13.1文本挖掘概述

13.1.1文本挖掘的基本概念

13.1.2文本特征的表示

13.1.3文本特征的提取

13.1.1文本挖掘的基本概念

文本挖掘一詞出現(xiàn)于1998年第十屆歐洲機(jī)器學(xué)習(xí)會(huì)議上。Kodratoff認(rèn)為文本挖掘的目的是從文本集合中，試圖在一定的理解水平上盡可能多地提取知識(shí)。1.概念文本挖掘是一個(gè)從大量文本數(shù)據(jù)中提取以前未知的、有用的、可理解的、可操作的知識(shí)的過程。文本數(shù)據(jù)包括：技術(shù)報(bào)告、文本集、新聞、電子郵件、網(wǎng)頁、用戶手冊(cè)等。2.主要任務(wù)

（1）短語提取提取文本集中所有相關(guān)的短語。（2）概念提?。ň垲悾?duì)這些短語之間的關(guān)系，建立一個(gè)該文本集中的主要概念

。（3）可視化顯示和導(dǎo)航

從多個(gè)視角出發(fā)進(jìn)行分析.3.文本挖掘與數(shù)據(jù)挖掘

數(shù)據(jù)挖掘文本挖掘研究對(duì)象用數(shù)字表示的、結(jié)構(gòu)化的數(shù)據(jù)無結(jié)構(gòu)或者半結(jié)構(gòu)化的文本對(duì)象結(jié)構(gòu)關(guān)系數(shù)據(jù)庫自由開放的文本目標(biāo)獲取知識(shí)，預(yù)測(cè)以后的狀態(tài)提取概念和知識(shí)方法歸納學(xué)習(xí)、決策樹、神經(jīng)網(wǎng)絡(luò)、粗糙集、遺傳算法等提取短語、形成概念、關(guān)聯(lián)分析、聚類、分類成熟度從1994年開始得到廣泛應(yīng)用從2000年開始得到廣泛應(yīng)用13.1.2文本特征的表示

文本特征指的是關(guān)于文本的元數(shù)據(jù)：（1）描述性特征，例如文本的名稱、日期、大小、類型等；（2）語義性特征，例如文本的作者、機(jī)構(gòu)、標(biāo)題、內(nèi)容等。矢量空間模型（VSM）是效果較好的表示文本特征的方法。每個(gè)文本d表示為其中的一個(gè)規(guī)范化特征矢量：V(d)=(t1，w1(d)；…；ti，wi(d)；…；tn，wn(d))d中出現(xiàn)的所有單詞作為ti，或所有短語。wi(d)一般被定義為ti在d中出現(xiàn)頻率tfi(d)的函數(shù)。

函數(shù)wi(d)=Ψ(tfi(d))

，常用的Ψ有：

（1）平方根函數(shù)（2）對(duì)數(shù)函數(shù)13.1.3文本特征的提取

特征提取主要是識(shí)別文本中代表其特征的詞項(xiàng)。文本特征分為一般特征和數(shù)字特征，其中一般特征主要包括動(dòng)詞和名詞短語，如人名、組織名等；數(shù)字特征主要包括日期、時(shí)間、貨幣以及單純數(shù)字信息。

特征項(xiàng)抽取的判斷算法（1）該特征項(xiàng)集合包含所有該類中出現(xiàn)的詞。（2）對(duì)于每個(gè)詞，計(jì)算詞Wi和類別Cj的互信息量I(W,C)

（3)對(duì)于該類中所有的詞，依據(jù)上面計(jì)算的互信息量排序。（4）抽取互信息量大的詞作為特征項(xiàng)。（5）根據(jù)抽取的特征項(xiàng)進(jìn)行向量壓縮，精簡向量表示。13.2文本挖掘

13.2.1文本挖掘功能層次

13.2.2關(guān)聯(lián)分析

13.2.3文本聚類

13.2.4文本分類13.2.1文本挖掘功能層次

關(guān)鍵詞相似檢索詞語關(guān)聯(lián)分析自然語言處理文本聚類文本分類文本挖掘功能層次（1）關(guān)鍵詞檢索關(guān)鍵詞建立倒排文件索引，與傳統(tǒng)的信息檢索使用的技術(shù)類似。（2）相似檢索找到相似內(nèi)容的文本。（3）詞語關(guān)聯(lián)分析聚焦在詞語（包括關(guān)鍵詞）之間的關(guān)聯(lián)信息分析上。（4）文本聚類和文本分類實(shí)現(xiàn)文本的聚類和分類。（5）自然語言處理揭示自然語言處理技術(shù)的語義，進(jìn)行文本語義挖掘。13.2.2關(guān)聯(lián)分析

在文本數(shù)據(jù)庫中，每一文本被視為一個(gè)事務(wù)，文本中的關(guān)鍵詞組可視為事務(wù)中的一組事務(wù)項(xiàng)。即文本數(shù)據(jù)庫可表示為：{文本編號(hào)，關(guān)鍵詞集}

文本數(shù)據(jù)庫中關(guān)鍵詞關(guān)聯(lián)挖掘的問題就變成事務(wù)數(shù)據(jù)庫中事務(wù)項(xiàng)的關(guān)聯(lián)挖掘。

關(guān)聯(lián)分析挖掘可以用于找出詞或關(guān)鍵詞間的關(guān)聯(lián)。

13.2.3文本聚類

層次聚類法對(duì)于給定的文本集合D={d1，…，di，…，dn}:（1）將D中的每個(gè)文本di看作是一個(gè)具有單成員的類ci={di}，這些類構(gòu)成了D的一個(gè)聚類:C={c1，…，ci，…，cn}；（2）計(jì)算C中每對(duì)類(ci，cj)之間的相似度sim(ci，cj)；（3）選取具有最大相似度的類對(duì)，并將ci和cj合并為一個(gè)新的類ck=ci∪cj，從而構(gòu)成了D的一個(gè)新的聚類C={c1，…，cn-1}；（4）重復(fù)上述步驟，直至C中剩下一個(gè)類為止。該過程構(gòu)造出一棵生成樹，其中包含了類的層次信息，以及所有類內(nèi)和類間的相似度。

13.2.4文本分類

首先，把一組預(yù)先聚類過的文本作為訓(xùn)練集。然后對(duì)訓(xùn)練集進(jìn)行分析以便得出各類的分類模式。對(duì)文本分類的有效方法是基于關(guān)聯(lián)的分類:（1）提出關(guān)鍵詞和詞組。（2）生成關(guān)鍵詞和詞組的概念層次，或類層次結(jié)構(gòu)。（3）詞關(guān)聯(lián)挖掘方法用于發(fā)現(xiàn)關(guān)聯(lián)詞，它可以最大化區(qū)分一類文本與另一類文本。這導(dǎo)致了對(duì)每一類文本，有一組關(guān)聯(lián)規(guī)則。11.3Web挖掘13.3.1Web挖掘概述13.3.2

Web內(nèi)容挖掘13.3.3Web結(jié)構(gòu)挖掘13.3.4Web應(yīng)用挖掘13.3.5Web日志分析與實(shí)例13.3.1Web挖掘概述1．Web信息特點(diǎn)（1）Web信息特別龐大（2）Web信息非常復(fù)雜（3）Web信息是動(dòng)態(tài)的（4）Web信息使用者復(fù)雜（5）Web信息中的“垃圾”非常多2.Web數(shù)據(jù)挖掘的意義Web挖掘的實(shí)質(zhì):從Web頁面及其鏈接和用戶對(duì)頁面的訪問中挖掘出用戶感興趣的知識(shí)。通過Web數(shù)據(jù)挖掘，可以從數(shù)以億計(jì)存儲(chǔ)大量多種多樣信息的Web頁面及其鏈接和用戶對(duì)頁面的訪問中挖掘出需要的有用知識(shí)。Web挖掘的數(shù)據(jù)來源是網(wǎng)站數(shù)據(jù)，這些數(shù)據(jù)包括網(wǎng)頁文本信息、網(wǎng)頁鏈接信息、網(wǎng)站的訪問記錄以及其他可收集的信息。例如：Web日志（服務(wù)器日志、錯(cuò)誤日志、Cookie日志等）、在線市場(chǎng)數(shù)據(jù)、Web頁面、Web頁面超鏈接以及包括用戶注冊(cè)信息等數(shù)據(jù)源。3．Web挖掘分類Web挖掘分類（1）Web內(nèi)容挖掘提取文字、圖片或其他組成網(wǎng)頁內(nèi)容成分的信息和知識(shí)。

（2）Web結(jié)構(gòu)挖掘提取網(wǎng)絡(luò)的拓?fù)湫畔?，即網(wǎng)頁之間的鏈接信息。

（3）Web應(yīng)用挖掘提取關(guān)于客戶如何運(yùn)用瀏覽器瀏覽和使用頁面鏈接的信息。（4）區(qū)別與聯(lián)系結(jié)構(gòu)挖掘的表達(dá)方式是鏈接圖，提示了哪些頁面通過當(dāng)前頁可以幾步內(nèi)到達(dá)。內(nèi)容挖掘的表達(dá)方式是一個(gè)網(wǎng)絡(luò)索引，提示了網(wǎng)頁的主題。應(yīng)用挖掘集中于挖掘客戶的行為，特別是隨著時(shí)間的變化。13.3.2Web內(nèi)容挖掘Web內(nèi)容挖掘的基本技術(shù)是文本挖掘。

1．信息檢索信息檢索的目標(biāo)是找到你想要找的，從兩個(gè)方面來判斷該查詢的有效性：“召回（recall）”和“精度（precision）”?！熬取被卮鹆恕霸诜祷氐木W(wǎng)頁中，正確的標(biāo)題的比例是多少”；“召回”回答了“返回了多少正確頁面”。2．從純文本中提取信息

通過將純文本轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，他們能夠直接應(yīng)用數(shù)據(jù)挖掘技術(shù)做出預(yù)測(cè)。這種從非結(jié)構(gòu)化數(shù)據(jù)中創(chuàng)建結(jié)構(gòu)化數(shù)據(jù)的過程叫做特征抽取。通過以XML標(biāo)記的形式向網(wǎng)站中添加更結(jié)構(gòu)化的內(nèi)容，比通過提高從非結(jié)構(gòu)化的文本中提取信息的技術(shù)來得更加迅速一些。13.3.3Web結(jié)構(gòu)挖掘結(jié)構(gòu)挖掘可以告訴我們一些站點(diǎn)的受歡迎程度和它同其他站點(diǎn)的距離（通過跳轉(zhuǎn)次數(shù)來判定）。萬維網(wǎng)（www）是一個(gè)有向圖G=(V，E)，V是頁面的集合，E是頁面之間的超鏈接集合。頁面抽象為圖中的頂點(diǎn)，而頁面之間的超鏈接抽象為圖中的有向邊。頂點(diǎn)v的入邊表示對(duì)v的引用，出邊表示v引用了其它的頁面。Web頁面之間的超鏈接揭示了Web結(jié)構(gòu)。1.網(wǎng)頁的引用一篇文章的有用與否在于這篇文章出現(xiàn)在其他文章的參考書目中的次數(shù)。特別是作者，會(huì)因?yàn)樗淖髌返闹貜?fù)引用而在某個(gè)學(xué)科出名。網(wǎng)頁引用的rank方法：（1）一個(gè)頁面被多次引用，則這個(gè)頁面很可能是重要的；（2）一個(gè)頁面盡管沒有被多次引用，但被一個(gè)重要頁面引用，則這個(gè)頁面很可能是重要的；（3）一個(gè)頁面的重要性被傳遞到它所引用的頁面。2、中樞和權(quán)威Kleinberg提出:一個(gè)鏈接到許多權(quán)威站點(diǎn)的站點(diǎn)叫做中樞（hub）;被許多中樞鏈接的站點(diǎn)叫做權(quán)威（authority）。這兩個(gè)概念放在一起可以辨別出權(quán)威和大眾化站點(diǎn)（如Yahoo）之間的區(qū)別。一種尋找權(quán)威的結(jié)構(gòu)化的方法就是:

用其他的站點(diǎn)到該站點(diǎn)的鏈接數(shù)來將它們分級(jí)。要給站點(diǎn)分級(jí)，不要用指向它們的鏈接的總數(shù)，而是用指向它們的標(biāo)題相關(guān)的中樞的數(shù)量來分級(jí)。3.導(dǎo)航頁

導(dǎo)航頁使他們能夠很容易地找到他們想要找的網(wǎng)頁。

4.目標(biāo)頁目標(biāo)頁給瀏覽者提供所有的內(nèi)容。

13.3.4Web應(yīng)用(訪問信息）挖掘在Web應(yīng)用挖掘中，我們考慮的是對(duì)客戶的理解，這時(shí)客戶應(yīng)用模式就是非常關(guān)鍵的?？蛻魬?yīng)用模式可以從多個(gè)層次檢測(cè)和挖掘到，即從單個(gè)客戶在一次對(duì)話中的一系列的單擊到跨越了幾個(gè)月或數(shù)年的客戶群的購買中獲取應(yīng)用模式。1．Web應(yīng)用挖掘的意義

Web應(yīng)用挖掘的意義：(1)改進(jìn)Web站點(diǎn)的效率。

(2)實(shí)現(xiàn)個(gè)性化服務(wù)。(3)商業(yè)知識(shí)的發(fā)現(xiàn)。(4)發(fā)現(xiàn)導(dǎo)航模式。(5)抽取訪問信息特性。2.Web應(yīng)用挖掘中的技術(shù)Web應(yīng)用挖掘中的常用技術(shù)： (1)路徑分析。 (2)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)。(3)序列模式發(fā)現(xiàn)。 (4)分類。 (5)聚類。

3.Web訪問日志挖掘（1）對(duì)訪問日志（WebLog）進(jìn)行清洗、過濾和轉(zhuǎn)換，從中抽取感興趣的數(shù)據(jù)。（2）將資源的類型、大小、請(qǐng)求的時(shí)間、停留時(shí)間、請(qǐng)求者的域名、用戶、服務(wù)器狀態(tài)作為數(shù)據(jù)立方體的維變量。將對(duì)頁面和文件請(qǐng)求次數(shù)、來自不同域請(qǐng)求次數(shù)、事件、會(huì)話、錯(cuò)誤次數(shù)分別作為在這些維變量下的度量變量，建立數(shù)據(jù)立方體。通過切塊、切片分析可以回答：哪些成分或特色被經(jīng)?；蚺紶柺褂?，網(wǎng)絡(luò)流量隨時(shí)間的變化規(guī)律。（3）利用數(shù)據(jù)挖掘技術(shù)進(jìn)行Web流量分析、典型的事件序列和用戶行為模式分析。4．應(yīng)用挖掘的作用(1)利用Web應(yīng)用挖掘可以實(shí)現(xiàn)用戶建模； (2)利用Web應(yīng)用挖掘發(fā)現(xiàn)導(dǎo)航模式，從而改進(jìn)Web站點(diǎn)的結(jié)構(gòu)設(shè)計(jì)，實(shí)行個(gè)性化推銷；(3)利用Web應(yīng)用挖掘改進(jìn)訪問效率，改進(jìn)服務(wù)器性能； (4)利用Web應(yīng)用挖掘還可以進(jìn)行個(gè)性化服務(wù)；(5)利用Web應(yīng)用挖掘進(jìn)行商業(yè)知識(shí)的發(fā)現(xiàn)； (6)利用Web應(yīng)用挖掘進(jìn)行用戶移動(dòng)模式的發(fā)現(xiàn)。13.3.5Web日志分析與實(shí)例1．Web日志數(shù)據(jù)概述 Web訪問日志數(shù)據(jù)具有如下基本特征： ⑴動(dòng)態(tài)變化性⑵數(shù)據(jù)量大⑶多維性⑷結(jié)構(gòu)化程度較高⑸包含大量瑣碎數(shù)據(jù)Web日志的記錄格式包括如下常用字段： ①每次訪問者的客戶端機(jī)器IP地址。 ②用戶訪問日期和時(shí)間，精確到秒。 ③用戶訪問的網(wǎng)頁名稱。 ④用戶的本次訪問請(qǐng)求是否成功的狀態(tài)。 ⑤傳輸文件的字節(jié)大小。 ⑥引導(dǎo)用戶訪問到本站點(diǎn)的前驅(qū)URL。 ⑦訪問者使用的瀏覽器版本和操作系統(tǒng)版本 在Web日志分析中，把握動(dòng)態(tài)變化趨勢(shì)很重要，其內(nèi)在規(guī)律、有用知識(shí)可能是稍縱即逝的，如用戶訪問趨勢(shì)、訪問熱點(diǎn)變化、異常訪問模式等。流式數(shù)據(jù)多維查詢與挖掘則是實(shí)現(xiàn)Web日志分析的有效工具。2．面向Web日志分析的流式數(shù)據(jù)多維模型(1)時(shí)間維度，是流式數(shù)據(jù)多維模型的基礎(chǔ)，其中包含年、月、日、時(shí)、分、秒等多個(gè)時(shí)間粒度層次信息。(2)主題維度，綜合網(wǎng)站可劃分為滾動(dòng)新聞、明星新聞、影視新聞等多個(gè)子版塊，每個(gè)子版塊關(guān)注不同的新聞內(nèi)容，即不同主題。(3)用戶維度，屬性取值代表不同地區(qū)的訪問者，其中的維成員對(duì)應(yīng)于Web訪問日志中的訪問主機(jī)，即訪問客戶端的IP地址。

(4)度量屬性

①請(qǐng)求數(shù)：Web訪問日志的每一條記錄對(duì)應(yīng)一次請(qǐng)求，②頁面瀏覽數(shù)：即頁面被打開（請(qǐng)求）的次數(shù)，是網(wǎng)站分析中最常見的度量。 ③傳輸數(shù)據(jù)量：傳輸數(shù)據(jù)量可用于統(tǒng)計(jì)網(wǎng)站的流量，以及衡量不同用戶以及不同周期內(nèi)的訪問情況，需要將所有請(qǐng)求的傳輸字節(jié)數(shù)相加得到結(jié)果。3．Web日志數(shù)據(jù)的多維查詢

在Web日志分析中，經(jīng)常需獲取某一特定維度視角或數(shù)據(jù)粒度層次上的聚集信息。下面以流式數(shù)據(jù)三維視圖（小時(shí)，城市，視頻版塊）為例，進(jìn)行Web日志多維查詢。對(duì)Web日志查詢舉例： （1）Q1：對(duì)上午6時(shí)至12時(shí)，查詢每個(gè)小時(shí)的頁面瀏覽數(shù)，查詢視圖為:

（小時(shí)，*，*）切塊查詢條件定義在時(shí)間維度上。

Q1查詢結(jié)果如表13.2所示，結(jié)果表明，網(wǎng)站的高峰訪問時(shí)間段為上午“9-10時(shí)”，而其他時(shí)段則相對(duì)較少。

表13.2Q1查詢結(jié)果

時(shí)間

頁面瀏覽數(shù) 5-7時(shí) 953 7-8時(shí) 1080 8-9時(shí) 3295 9-10時(shí)5122 10-11時(shí) 4270 11-12時(shí) 1945 （2）Q2：對(duì)工作時(shí)間7時(shí)至12時(shí)之間，查詢主要的子版塊的頁面瀏覽數(shù)，即在上面查詢的基礎(chǔ)上，下鉆到子版塊的查詢。查詢視圖為:

（小時(shí)，*，子版塊）在時(shí)間維度和主題維度上定義切塊查詢。

Q2查詢結(jié)果如表13.3所示，表明上午工作時(shí)間的訪問多集中在“滾動(dòng)新聞”，而其他版塊相對(duì)較少。表13.3Q2查詢結(jié)果

時(shí)間 子版塊 頁面瀏覽數(shù) 7-12時(shí) 滾動(dòng)新聞 1945 7-12時(shí)圖片新聞 5377-12時(shí)綜藝新聞 8997-12時(shí)明星新聞 3747-12時(shí)音樂新聞 3427-12時(shí)人物訪談 308（3）Q3：對(duì)晚間18時(shí)至22時(shí)之間，查詢主要省份的頁面瀏覽數(shù)，如北京，上海，廣東，湖南，江蘇，浙江，遼寧，重慶。查詢視圖為:

（小時(shí)，省，*）在時(shí)間維度和用戶維度上定義切塊查詢。

Q3查詢目的在于發(fā)現(xiàn)訪問者的區(qū)域分布情況，查詢結(jié)果如表13.4所示，表明熱點(diǎn)訪問省級(jí)區(qū)域?yàn)椤罢憬焙汀氨本薄?表13.4Q3查詢結(jié)果

時(shí)間 省份 頁面瀏覽數(shù) 8-22時(shí) 北京 54548-22時(shí)上海 5188-22時(shí)廣東 14158-22時(shí)湖南 3348-22時(shí)江蘇 7058-22時(shí)浙江 101018-22時(shí)遼寧 2618-22時(shí)重慶 165（4）Q4：對(duì)浙江省主要城市，查詢18點(diǎn)至22點(diǎn)之間的頁面瀏覽數(shù)，如杭州市，寧波市，溫州市，紹興市，嘉興市，金華市。查詢視圖為:

（小時(shí)，城市，*）在時(shí)間維度和用戶維度上定義切塊查詢。查詢結(jié)果如表13.5所示，結(jié)果表明網(wǎng)站的訪問者大部分來自于杭州市和嘉興市，而其他城市較少。 表13.5Q4查詢結(jié)果

時(shí)間 省份 城市 頁面瀏覽數(shù) 18-22時(shí) 浙江 杭州市 338118-22時(shí)浙江寧波市 15918-22時(shí)浙江溫州市 12018-22時(shí)浙江紹興市 8718-22時(shí)浙江嘉興市 113418-22時(shí)浙江金華市 33從以上的Web日志數(shù)據(jù)的多維查詢分析，可以得出的結(jié)論是：（1）網(wǎng)站上的頁面瀏覽的高峰訪問時(shí)段是上午9-10時(shí)。（2）工作時(shí)間訪問最多的是滾動(dòng)新聞（3）晚間訪問網(wǎng)站最多的省份是浙江和北京，其中浙江省內(nèi)訪問最多的的用戶主要是杭州市和嘉興市。4．連續(xù)查詢熱點(diǎn)訪問信息或異?，F(xiàn)象（5）Q5：連續(xù)跟蹤最近1小時(shí)內(nèi)的每個(gè)版塊的頁面瀏覽總數(shù)變化趨勢(shì)。查詢視圖為:

（分鐘，*，子版塊）時(shí)間窗口為60分鐘，查詢條件分別對(duì)應(yīng)不同版塊，包括明星新聞、滾動(dòng)新聞、圖片新聞、影視新聞。

Q5連續(xù)的查詢結(jié)果表明，“滾動(dòng)新聞”版塊的訪問量較高，在10-24時(shí)間段，訪問量相對(duì)穩(wěn)定在900次左右。比其它子版塊要高出400-600次，并且在上午9時(shí)監(jiān)測(cè)到一個(gè)高峰訪問周期，迏到1600次，比平均值高出近一倍，這是一個(gè)異常情況。（6）Q6：連續(xù)跟蹤最近1小對(duì)內(nèi)不同城市的訪問量變化情況，包括浙江省的杭州市，嘉興市，麗水市。查詢視圖為:

（分鐘，城市，*）

時(shí)間窗口為60分鐘，查詢條件定義在用戶維度上。三城市不同時(shí)間訪問頁面次數(shù)對(duì)比表見表13.6。浙江省三城市

不同時(shí)間訪問頁面次數(shù)對(duì)比表時(shí)間杭州市嘉興市麗水市02時(shí)50150004時(shí)3050006時(shí)8050008時(shí)100180010時(shí)210220110012時(shí)10019070014時(shí)1505080016時(shí)6508070018時(shí)100150850202303060024時(shí)100500800Q6連續(xù)的查詢是針對(duì)杭州市、嘉興市和麗水市，進(jìn)行對(duì)比分析結(jié)果表明：麗水市在8-24時(shí)，平均訪問量有800次，大大高于其它兩個(gè)城市（相當(dāng)于4-6倍）。杭州市平均訪問量200次，嘉興市平均訪問量120次。麗水市在上午10時(shí)，頁面瀏覽數(shù)的訪問量達(dá)到最高峰1100次。杭州市在下午16時(shí)達(dá)到最高峰，訪問量是700次。嘉興市在上午9時(shí)達(dá)到最高峰，訪問量是400次。但麗水市清晨時(shí)的訪問量是0?？梢婝愃性谡憬∈且粋€(gè)特例。（7）Q7：連續(xù)跟蹤主要省份對(duì)特定版塊的訪問量變化情況，查詢視圖為:（分鐘， 省，滾動(dòng)新聞），時(shí)間窗口為60分鐘，查詢條件定義在用戶維度上，用戶分別對(duì)應(yīng)浙江省、江蘇省和上海市，主題維度的子版塊定為“滾動(dòng)新聞”。Q7連續(xù)的查詢結(jié)果，表明浙江省對(duì)“滾動(dòng)新聞”版塊關(guān)注較多，在0-7小時(shí)內(nèi)，平均訪問量有30次左右；在