Web日志会话中识别方法的改进-管理科学与工程专业论文.docxVIP

山西财经大学硕士研究生学位论文 山西财经大学硕士研究生学位论文 摘 要 随着互联网的发展，Web 服务的个性化趋势已成必然。数据挖掘就是从大量 的数据中提取隐含的、事先未知的、具有潜在价值的有用信息。随着 Web 应用 的高速发展和广泛普及,在 Web 服务器上收集了大量的 Web 日志,这些日志记录 了 Web 用户对 Web 页面的每一次访问的过程,是一种宝贵的信息资源。挖掘 Web 日志的关联规则,可以掌握网络流量、理解用户访问模式,进一步可利用这些信 息来提高 Web 系统性能,促进对 Web 站点的系统设计,以及预测未来用户的数量 和爱好,最终可以在日益发展的电子商务领域,指导企业明智地进行市场决策。 Web 日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理,从而 解决上面提出的各种问题。会话识别是 Web 日志挖掘中的重要步骤。针对目前 的各种会话识别方法,提出了一种优化的会话切分方法，即一种改进的基于页面 内容、下载时间等多个参数综合得到的针对每个用户的个性化识别方法。该方 法通过使用访问时间间隔，通过判断是否在极大、极小两个阈值范围内来识别 会话。 根据页面内容、站点结构确定的页面重要程度，通过页面的信息容量确定 用户正常的阅读时间，通过 Web 日志中页面下载时间来确定起始阅读时间，对 以上因素进行综合后对该阈值进行调整。实验结果表明,相对于目前的对所有 用户页面使用单一先验阈值进行会话识别的方法及使用针对用户页面的阈值 动态调整方法，本文提出的方法能更准确地个性化确定出页面访问时间阈值， 更为合理有效。 【关键词】Web 挖掘;会话识别;预处理;阈值 2Web 2 Web 日志会话中识别方法的改进 Abstract With the development of the Internet, personalized Web services has become an inevitable trend。Data Mining is the process that people discover extract, connotative, unknown and valuable information or mode from large database or data warehouse. With Web high-speed development and becomes popular a broadly, a great deal of Web log is collected on Web server. These log are recorded every times when the user accesses the Website, which are valuable information-wealth. Association rules mined from Web log can provide knowledge about net work stream flow and user visit mode in order to improve the performance of web system and optimize the system design of web site, furthermore website can forecast the amount and interests of potential user. It can also instruct the corporation to forecast market advisably in the field of booming E-business. Session identification is an important step in Web log mining. Compare to the traditional static threshold methods, multi-parameters based dynamic threshold improvement was carried out of Session identification, its parameters contains the content of Web page, downloading time, etc and produce an individual threshold for different user. In this improvement, the Web log were divide into session at point