Web日志挖掘预处理中的用户识别技术.pdfVIP

29N9．4 计算机科学2002V01 Web日志挖掘预处理中的用户识别技术 UserIdentificationinthe ofWeb PreprocessmgLogMining 吴．强．梁继民杨万海TP研 A (西安电子科技大学电子工程学院 西安710071) 1 AbstractThetasksoftheWeb are andafunctionalmodelofittSpresented-A LogMiningpreprocessinganalyzed useridentificationmethodbased011 and Web attributesis Themethodcan cookie technologyextendingLog proposed causedthe the users thesaF／leone serverandovertakethedffficuhies distinguisheffectivelymultipleusing proxy by erasionolcookiesstoredontheuser’sfile system Web identilication．Cookie KeywordsLogMining．Preprocessing，User 本文对Web日志挖掘预处理所要完成的任哥进行丁分 1引言 析，提出r一个Web日志预处理功能模型；分析了现有Web 互联网技术和应用的迅速发展使得可以从因特嗍获取的 口志预处理方法中的用户识别技术．提出厂一种基于cc,okie 信息量口益剧增，因此迫切需要一种新的技术从这些信息中 技术和扩充日志属性的用户识别方法，这种方法不仅可以有 快速、及时地发现有用的知识．提高信息的利用率。作为数掘 效地识别通过同一代理服务器访问的不同用户．而且较好地 挖掘技术。11研究的一个重要领域．Web日志挖掘(WebLog 解决了由用户删除本机cookit而产生的同一用户多次被标示 Mining)是从服务器日志文件内大量的用户访问记录中抽取的问题。 有用信息的过程．通过对Weh日志的分析．可以构造出用户 2 Web日志挖掘预处理 的行为模式．对于分析改进网络性能、优化网站的设计和拓扑 结构以及改善企业的市场营销决策等会有极大的帮助o。”。 一般的Web日志文件中记录的是每个访问用户的信息． 当前web日志挖掘领域的研究已取得了很大的进展．但 不同服务器的Web日志记录是不同的．但其中都包含有访问 是目前的研究重点大都集中于挖掘算法的设计、分析和改进． 用户的基本信息． 对日志文件预处理方法的研究相对较少，然而正确有效地对 Web日志文件进行预处理．不仅有利于随后的挖掘算法分 录．其中包括：访问日期、时问、用户lP地址、片j户名、服寻器 析．而且对于最终形成准确可靠的用户行为模式也是极为重 IP地址、方法、所请求URL资源、服务器响应状态、用户代 要的． 理、发送字节数等。