一种改进的基于Web使用挖掘的数据预处理方法的研究.pdfVIP

2014 年第 2 期 安徽电子信息职业技术学院学报 No.2 2014 第 13 卷穴总第 71 期雪 ＪＯＵＲＮＡＬＯＦ ＡＮＨＵＩ ＶＯＣＡＴＩＯＮＡＬ ＣＯＬＬＥＧＥ ＯＦ ＥＬＥＣＴＲＯＮＩＣＳ ＆ ＩＮＦＯＲＭＡＴＩＯＮ ＴＥＣＨＮＯＬＯＧＹ General No.71 Vol.13 眼文章编号演 1671－802Ｘ穴2014雪02－0048－04 一种改进的基于 Web 使用挖掘的数据 预处理方法的研究 浦慧忠 （无锡高等师范学校， 江苏 无锡 214153 ） ［摘 要］本文从各种数据源采集方法出发，分析各自的局限性，首先确定面向服务器端进行 Web 使用 挖掘，然后进一步分析服务器端数据源的特性，给出针对此数据源的一种数据预处理方案及改进方法，提出 数据净化、用户识别、会话识别等关键预处理步骤，为数据挖掘过程提供尽可能准确的目标数据。 ［关键词］Web 使用挖掘； 数据预处理； 数据净化； 用户识别； 会话识别 ［中图分类号］ＴＰ３１１．１３ ［文献标识码］Ａ A Study of an Improved Data Pre-processing Method Based on Web Usage Mining PU Hui-zhong （Wuxi Teachers ’ College, Wuxi 214153, Jiangsu ） Abstract: Based on the various data collecting methods, this paper analyses their respective limitations. First, the server is determined for Web usage mining. Then the characteristics of the server data sources are analyzed. For the data sources, a data pre -processing program and an improved method are put forward. The key pre - processing steps such as data cleaning, user identification, session identification, etc. are proposed, which provides accurate target data for the data mining process. Key words: Web usage mining; data preprocessing; data purification; user identification; session identification Web 数据预处理是 Web 使用挖掘的第一步，也 （Client data collection ） 是很重要的一步，它为后续的数据挖掘任务生成适 服务器端的数据是由用户在访问服务器时进行 合的目标数据 。 当用户访问 Internet 服务器时会留 交互产生的。 这些数据都存放在服务器端的 Web 日 下痕迹，这些痕迹来自于各种数据源，如服务器的日 志中，绝大多数的 Web 日志格式遵循国际互联网协 Cookie 数据等。 所以对数据源进 ISOS ）提出的超文本传输协议（hypert