一种改进的会话识别方法.docxVIP

一种改进的会话识别方法 web新闻挖掘已成为web搜索的中心。其主要分为数据预处理、模式发现、模式分析3个阶段。数据预处理阶段是要把从各种数据源得到的使用信息、内容信息和结构信息转换成模式发现阶段需要的数据抽象;模式发现阶段旨在使用各种数据挖掘技术发掘隐藏在数据背后的规律和模式;模式分析阶段旨在根据具体的实际应用,过滤掉在模式发现阶段没有用的规则或模式,并把有用的规则和模式转换为知识。 本文主要研究数据预处理阶段的会话识别。在分析现有的会话识别方法基础上,提出一种基于访问站点首页和导航页的改进会话识别方法,最后通过实验验证了改进的会话识别方法比现有方法更有效。 1 挖掘质量的保证 数据预处理是Web日志中最基础、最频繁的工作,是整个数据准备的核心工作。数据预处理的结果将直接影响到挖掘算法产生的规则和模式,因此预处理过程在整个Web日志挖掘过程中占据着非常重要的地位,是挖掘质量的保证。 数据预处理包括数据清理、用户识别、会话识别、路径补充和事务识别5个阶段。(1)数据清理是指删除Web日志中与挖掘算法无关的数据;(2)用户识别是识别出访问网站的每个用户;(3)会话识别是在用户识别之后,把每个用户在一段时间内的访问序列进行分解,从而得到相应的会话。会话是指同一用户在一次浏览过程中连续请求的页面序列,它代表了用户对服务器的一次有效访问;(4)路径补充是对识别出的用户会话进行优化的步骤,