电子商务网站用户访问模式挖掘中的预处理技术.pdfVIP

第25卷第3期 计算机应用 Vo1．25 No．3 2005年3月 Computer Applications Mar．2oo5 文章编号：1001—9081(2005)03—0691—04 电子商务网站用户访问模式挖掘中的预处理技术 郭伟刚 (佛山科学技术学院信息与教育技术中心，广东佛山528000) (wgguo@fosu．edu．cn) 摘 要：对电子商务网站的用户访问模式挖掘中数据预处理阶段所采用的技术做了全面的研究， 主要包括源数据的采集方法以及数据清理、用户识别、会话识别、事务识别、会话子序列生成等所采用 的技术。并给出了框架网页过滤、-／7,~Jl搜索引擎Robot产生的访问记录，以及生成用户会话语义序列 的方法。 关键词：用户访问模式；电子商务；Web挖掘；数据预处理； 中图分类号：TP391 文献标识码：A Preprocess techniques of mining user access patterns at E·commerce sites GUO Wei—gang (Information and Educational Technology Center，Foshan Univesity，Foshan Gnangdong 528000，China) Abstract：The comprehensive techniques of data collection and data preprocessing were discussed，which included data collection， data cleaning， user identification， session identification， episode identification and session sub—sequence generation．Th e methods for filtering frame，detecting search engine robots and generating user session semantic sequences， were proposed． Key words：user access pattern；E—commerce；Web mining；data preprocessing 及客户端采集等几种渠道…。 0 引言 1．1 Web服务器的臼志 在电子商务网站中，理解用户的浏览和购买行为，具有非 Web服务器日志记录用户访问该站点时每个页面请求 常重要的意义，这是网站的经营管理者和用户之间最重要的 所产生的信息。常用的Web日志文件的主要内容见表1。在 “沟通方式”。因为绝大多数的访问者都不愿意过多地把自 具体实现时，不同的服务器操作系统大都提供了额外的扩展。 己的私人信息直接提供给网站，所以网站只能“默默地”从用 但是由于以下原因Web服务器日志中记录的信息，并不能直 接和完全代表用户的访问行为： 户的点击中理解用户的需求。只有理解了用户的访问行为， 1)网页本身的链接特性，一个网页中会包含多个文件 才能改善网站的服务性能，提供更好、更合适的服务，从而提 (主要是图片等多媒体文件)； 高网站的访问率和购买率。 2)浏览器