web使用挖掘介绍及趋势 数据挖掘课件.ppt

Web Usage Mining 在只有IP/Agent的情况下，我们假设User 和 Session 是等同*的: 1.2.2 Preprocessing 15:33:04/2-Jan-01 GET Index.htm /res.php 15:33:04/2-Jan-01 GET 1.htm /index.htm 15:33:04/2-Jan-01 GET A.htm /index.htm 15:35:11/2-Jan-01 GET B.htm /A.htm 15:30:01/2-Jan-01 GET Index.htm /link.htm 15:30:01/2-Jan-01 GET 1.htm /index.htm 15:30:01/2-Jan-01 GET A.htm /index.htm 15:37:09/2-Jan-01 GET E.htm /C.htm 15:35:11/2-Jan-01 GET C.htm /A.htm Mozilla/4.0(IE5.0W98) User1: Mozilla/4.0(IE4.0NT) User2: 3.Page View Identification: 1.2.2 Preprocessing 1-A /res.php B A.htm 1-A /link.htm E C.htm 1-C A.htm Mozilla/4.0(IE5.0W98) User1: Mozilla/4.0(IE4.0NT) User2: Path Completion 解决由于Cache带来的问题路径不全的问题 1.2.2 Preprocessing time 1-A 1-C 1-E 1-C 1-F Session_1 Session_2 4.Episode Identification: 1.2.2 Preprocessing 定义:meaningful subset of user/server session Auxiliary-Media Episodes: time A A M M A A A M A Episode1 Episode2 Episode3 Auxiliary-Media Episodes: 1.2.2 Preprocessing 可以使用的方法包括： 1）Page type 2）Reference length 3）Maximal Forward Reference 1). Page type Episode: 根据page view的类型来确定 1.2.2 Preprocessing time A A M M A A A M A Episode1 Episode2 Episode3 Session X 缺点是，必须要求每个page view有固定的用途。 2).Reference Length Episode: page view的类型是根据用户在此处停留的时间来确定。 停留时间相对长的，就认为是Media Page,停留时间短的则是一个Auxiliary Page 1.2.2 Preprocessing 2). Maximal Forward Reference Episode[23,chen] 它的假设是：一个episode是访问某个Media page的一个最大深度的page view 引用路径，即从用户session的第一个page view开始，一直向前访问，直到有一个backward page view 出现 1.2.2 Preprocessing Index 1-A 1-C E 1-C B Time Episode1 Episode2 1.2.3 Pattern Discovery 其中有： 1)Statistical Analysis 2)Frequent Itemsets and Association Rules 3)ClusteringClassification 4)Sequential Patterns 5)Dependency Modeling 1.2.3 Pattern Discovery 1)Statistical Analysis 主要用于改进系统的Performance,design等 包括： 1)most frequently accessed pages 2) average view time of a page 3) average length of a path through a site 1.2.3 Pattern Discovery 2)Frequent Item-sets and Association Rules 可以寻找出经常频繁访问的page组， 可用于修改Web Site的设计或提前缓