使用DFA的Web会话构造方法.pdf

1 引言 随着 Internet 技术的迅猛发展， Web 给人们提供了大量信 息，这些信息为数据挖掘提供了丰富的数据来源，因而 Web 挖 掘也日益成为数据挖掘中一个热点研究方向。 Web 挖掘分为三类： Web 内容挖掘、 Web 结构挖掘、 Web 使用挖掘。其中Web 使用挖掘主要是针对用户的访问日志，使 用关联规则挖掘算法，挖掘用户的访问模式，可以为用户提 供个性化服务[1] ，也可以为网站结构的优化和重构提供依据[2] 。 Web 使用挖掘首要的工作就是对 Web 日志进行预处理，预处 理过程包括数据清洗、 用户识别、 会话识别、 事务识别[3] 。对日 志预处理工作做得好坏，将直接影响到关联规则进行模式发 现的效果，因而，近年来， Web 使用挖掘中数据预处理得到了 广泛的关注。本文主要是将自动机理论运用于预处理中的会 话识别，对于一段日志，通过自动机各个状态的转换，完成会 话识别。 2 相关研究工作 目前，会话识别主要有两种启发式方式：基于时间的启发 方式（Time-oriented heuristics）和基于引用的启发方式（Navi－ gation-oriented heuristic） [4] 。 2.1 基于时间的启发方式 有两种类型的时间启发方式： （1）一次会话的总时间不超过一个时间阈值 δ[5-6] （通常 δ= 30 min） 。 对于一系列属于同一用户的页面请求P1， P2， …， Pk， Pk+1， 令 ti 为每个页面 Pi 的请求时间，如果 P1， P2， …， Pk 已经构成一 个会话，那么Pk+1 能加入该会话必须满足的条件是 tk+1-t1≤δ，否 则 Pk+1 作为新会话的起始页面。 （2）在一个会话中每个页面的驻留时间不超过一个时间阈 值δ[5-6]