基于Web日志挖掘的客户访问兴趣分析.pdf

万方数据

基于Web日志挖掘的客户访问兴趣分析引言Web日志挖掘李中1，苑津莎1，徐小彩2ofbrowsingAnalysisinterestbasedweblog0Internet的迅速发展，Web挖掘(Webing)因此成为一个热门研究领域[1,2]。Web挖掘是数据挖掘技术在Web环境下的应用，是集Web技术、数据挖掘技术、信息科学等多个领域的一项技术。Web挖掘的数据源可以分为以下3种类型[2，3]：(1)Web内容数据，如HTML标记的Web文档；(2)web结构数据，如Web文档内的超链接；(3)客户访问数据，如服务器log日志信息。相应地，Web挖掘也可分成3类：Web内容挖掘(WebMining)，Web结构挖掘(WebMining)和Web日志挖掘(WebMining)。目前重点研究的是Web日志挖掘。本文论述了Web日志挖掘基本概念、步骤和主要任务，结合对汽修之家(http：／／W确r．xiul23．corn／)网站Web日志挖掘的过程，剖析了Web日志数据预处理过程和客户访问兴趣分析的步骤及其实现技术。最后，对本文的工作进行了总结。1Web日志挖掘是对客户访问Web时在服务器留下的访问记录进行挖掘，其主要的数据源有服务器的日志(包括服务器日志、引用日志和代第36卷第5期2009年9月华北电力大学学报(1．华北电力大学电气与电子工程学院，河北保定071003；2．繁昌供电公司，安徽芜湖241200)摘要：数据预处理是web日志挖掘中的一项关键技术，如何分析客户访问兴趣是web挖掘中的一个重要研究课题。概述了web日志挖掘的概念、方法和步骤，重点分析了数据预处理的主要步骤及其实现技术，考虑客户访问路径和浏览时间长度等因素，给出并计算分析了网站用户的访问兴趣的方法。汽修之家网站日志的实际测试结果表明了该方法的有效性。关键词：Web日志挖掘：数据预处理；访问兴趣中图分类号：TP391文献标识码：A文章编号：1007—2691(2009)05—0082—07Jin—shal，XUBaodingeompany，Wuhu241200，China)preprocessingWebmining，mlphasizi咏theexperim即tpreprocessing；browsingMin．JournalChinaVd．36．No．5usersonLIZhon91，YUANXiao-eai2(1．SchoolElectricalElectronicElectric071003，China；2．Fanchangkeytechnologymining．andimportantresearchtopic．Thisbasicmethodologytech·bmwsinginvestigatedtakenaccount．Realresultstheeffectivenessmining；data收稿El期：2009．01．03ContentStructureNoahPowerUniversitySep．，2009andEngineering，NorthUniversity，Abstract：Dataishowminepat—paperoutlinesniqueinming．andwaswhichbrt)、jvsingpathdurationpagea0_os鹤areintowvcw．xiul23．cornfileshowthismethod．Keywords：webtOternsanuser
万方数据

2数据预处理中不是G】玎的记录，此外，要删除与客户访问信息。它一般包括数据清理、客户识别、会话识理日志)、web站点拓扑结构和站点文件、客户注册数据、客户调查信息以及cookies等。Web日志挖掘的研究的围绕着分析Web站点性能、理解客户意图和改进web站点设计3个应用方面进行，常用的技术主要有关联规则分析、序列模式分析、分类与聚类分析、路径分析等[4,5]，Web日志挖掘过程一般过程如下所述[3,6,7]。(1)数据预处理。对原始web日志文件中的数据进行提取、分解、合并，转化为适合进行数据挖掘的数据格式，保存到关系型数据库表或数据仓库中；(2)模式发现。用数据挖掘、统计、机器学习和模式识别等各个领域的方法和算法，针对web数据的特性，从数据预处理所形成的客户使用记录中发现隐藏的模式、规则。常用的实现算法有统计分析、关联规则、聚类、分类、序列模式等；(3)模式分析。针对实际应用，对挖掘出来的模式、规则进行分析，过滤掉没有意义的规则或模式，把客户感兴趣的规则或模式转化成知识，应用到具体领域中。汽修之家Web日志挖掘的目的是从web服务器日志文件中提取客户访问信息，分析网站单一客户和群体客户的兴趣分布情况，为网站客户提供个性化服务