一种web日志挖掘的数据预处理方法-计算机系统应用.pdfVIP

计 算 机 系 统 应 用 2010 年 第 19卷 第 8 期 ① 一种 WEB 日志挖掘的数据预处理方法 符 翔 金 瓯 ( 中南大学 信息科学与工程学院 湖南 长沙 410083) 摘 要： Web 日志是目前Web 数据挖掘的重要研究方向。数据预处理是 Web 日志挖掘中的关键技术。详细的 介绍了 Web 日志挖掘的预处理过程。数据预处理包括数据清理、识别用户、识别会话和框架页面清 理、路径补充。用户识别后，框架页面降低了数据挖掘的效率，可以通过过滤框架页面大幅度减少产 生的无效页面数。 关键词： Web 日志挖掘;数据预处理;框架页面;过滤;会话识别 Data Preprocessing Method for Web Usage Mining FU Xiang, JIN Ou (School of Information Science and Engineering,Central South University, Changsha 410083, China) Abstract ：Web log mining is an important research direction about web mining. Data preprocessing is a key technology in web log mining. The article describes the preprocessing of mining logs in detail. Data preprocessing includes data clean, identifying user, recognizing session, cleaning up the frame of the page and supplementing path. After the user identification, the frame of the page reduces the efficiency of data mining. The number of invalid page can be significantly reduced through filtering the frame of page. Keywords ：web log mining; data preprocess; frame page; filter; recoginiton sessi 1 引言 挖掘算法的输入直接影响日志挖掘的质量。一个 web 当前已经有很多科研工作者和研究机构发现网站 服务器是重要的数据来源，因为它明确记录了所有访 日志数据具有很大的利用价值，希望通过对web 日志 问此网站的客户的浏览动作。它记录了多个用户对一 的研究来进一步改善网站设计，使用户在更短的响应 个站点的访问信息。Web 使用记录的数据除了服务器 时间内找到他所需要的资源，增进用户体验，了解用 的日志记录外，还包括浏览器端日志代理服务器日志、 户的兴趣和真正动机等。Web 访问日志挖掘过程一般 代理服务器日志、注册用