基于搜索引擎日志挖掘的用户行为.docVIP

基于搜索引擎日志挖掘的用户行为分析 摘要：当前时代互联网技术的飞速发展，网站数量也成指数式的增长。想要把握先机，了解用户的需求和习惯，提供更好的服务，满足用户当前和未来时间的需求，需要对用户的行为和兴趣做出合理的分析，得出合适的结果，进而做出适当的预测。这是一个很有前景的方向，想要赢在时间的前面，赢在未来，对日志的分析是很有必要的。日志分析的作用也不仅于此，想要做好一个网站，必须对日志进行分析从而获取系统的运行情况和受访信息,加强对系统的维护和管理。要从数据中获取信息，来调整我的方法，改进我们的服务。 关键词：搜索引擎 数据挖掘 关键词分类 行为分析 日志挖掘 Based on the search engine log mining users behavior analysis Abstract:With the rapid development of science and technology,the number of web sites are also growing exponentially.In order to grasp the opportunity to understand the users needs and habits, to provide better services to meet the needs of current and future users the time needed to make a reasonable analysis of user behavior and interests, come right result, and then make appropriate prediction. This is a promising direction, you want to win in front of the time, to win in the future, the log analysis is necessary. Log analysis of the role and not only this, you want to do a website for log analysis must be carried out in order to gain information on the operation of the system and the respondents, enhance system maintenance and management. Obtain information from the data to adjust my approach, to improve our services. Key words:Search Engine , Data Mining , Keywords Category , Behavior Analysis，Log Mining 是接收处理请求以及运行时错误等各种原始信息的以·log结尾的文件，确切的讲，应该是服务器日志。网站日志最大的意义是记录网站运营中比如空间的运营情况，被访问请求的记录。通过网站日志可以清楚的得知用户在什么IP、什么时间、用什么操作系统、什么浏览器、什么分辨率显示器的情况下访问了你网站的哪个页面，是否访问成功。 图1 重复词占比图 从图1中我们可以看到，重复词所占比例越来越高，在10000个词的时候已经达到了60%，有一半以上的词都是重复出现的。这个情况可能是由于用户多次搜索某个关键词导致的，而且某一时间段，比如某个新闻或者热点问题的出现可能导致用户搜索的重复和集中。 用户所搜关键词分类：比如360安全卫士归为软件类，汶川地震归为新闻，百度一下归为网站等。 在[6]中指出，用户的查询任务包括导航类、信息类和事物类等三类。 以下图2是对2000个词的样本数据的分类结果。 图2 用户搜索关键词分类图 关键词的分类结果中，可以清晰的看出对视频、网站、精确字符搜索、生活相关、游戏等的搜索量占得比较多。游戏、视频、音乐等娱乐相关类的总和占去了很大一部分搜索量，这从侧面反映了大量用户生活中互联网多数的时候还是用在休闲娱乐方面。生活相关的方面:比如车票信息的查询，附近银行的查询也是用户搜索比较多的，这反映了用户生活对互联网的一定的依赖度。一些基于位置的服务：比如附近的银行，医院，游乐场的搜索，同样很具有开发的价值。另外，对专业知识的搜索，软件应用的搜索页占去了一部分，这部分是对特殊行业和专业学习的查询。还有一部分是分类不明确的搜索，这样的申请一般无法搜到需要的信息，体现了搜索用户的方法和选取的关键词不够准确。 3.2第二、用户访问时间的分析 这个分