WEB日志用戶會話識別及聚類分析研究.pdf

1、數(shù)據(jù)預(yù)處理是在將日志文件轉(zhuǎn)換成數(shù)據(jù)庫文件時(shí)進(jìn)行的，它包括數(shù)據(jù)清洗、用戶識別、會話識別、事務(wù)識別四個階段。 本文深入學(xué)習(xí)研究了數(shù)據(jù)預(yù)處理的主要任務(wù)，提出了一種新的Web日志預(yù)處理會話識別及根據(jù)用戶瀏覽興趣進(jìn)行事務(wù)識別的方法。該方法根據(jù)用戶的下載時(shí)間、用戶對頁面內(nèi)容的興趣度及頁面的信息量及頁面的鏈入、鏈出數(shù)等幾個參數(shù)的綜合得到每個用戶對每個頁面的訪問時(shí)間閾值，然后根據(jù)該個性化閾值來識別用戶會話。會話識別后，根據(jù)用戶訪問頁面的時(shí)間、頁

2、面的興趣度刪除用戶不感興趣的頁面和鏈接頁面，重新定義用戶的Web訪問事務(wù)，成為最終有效的Web頁面訪問序列。 實(shí)驗(yàn)證明，本文提出的方法可以識別出頁面瀏覽時(shí)間較長的會話，也可以把小于固定閾值的頁面劃入下一會話，發(fā)現(xiàn)的真實(shí)會話比例大，貼近用戶真實(shí)的訪問目的，同時(shí)依據(jù)用戶瀏覽頁面的興趣度來刪除無關(guān)鏈接頁面，形成新的Web訪問事務(wù)，為下一步的聚類分析提供了良好的數(shù)據(jù)，提高了聚類的效率。數(shù)據(jù)經(jīng)過預(yù)處理后，就可以根據(jù)具體的需求來選擇聚類、分