基于網(wǎng)絡日志挖掘技術數(shù)據(jù)信息分析的研究

付生

摘 要：對網(wǎng)絡日志挖掘技術數(shù)據(jù)信息分析的研究，是動態(tài)交互網(wǎng)絡使用數(shù)據(jù)挖掘的一種技術實現(xiàn)。通過挖掘動態(tài)交互網(wǎng)絡日志，可以查找用戶訪問動態(tài)交互網(wǎng)絡的瀏覽方式和習慣性行為，并依據(jù)數(shù)據(jù)挖掘分析和研究動態(tài)交互網(wǎng)絡日志記錄中的規(guī)律，判斷數(shù)據(jù)價值鏈與組織結(jié)構(gòu)的適應性問題，從而提高信息查找的快速指向性和信息檢索的高效性，并利用統(tǒng)計和關聯(lián)的分析找出特定用戶與特定地域、特定時間、特定頁面等要素之間的內(nèi)在聯(lián)系。

關鍵詞：日志挖掘；數(shù)據(jù)分析；信息檢索；網(wǎng)絡日志

中圖分類號：TP311.13 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2015.06.068

1 日志數(shù)據(jù)挖掘

動態(tài)交互網(wǎng)絡獲取信息的過程存在站點訪問的跳躍性和無序性，數(shù)據(jù)信息指向是呈布朗運動分布的。超文本鏈接的跳轉(zhuǎn)過程具有一定的普遍性，并且還有數(shù)據(jù)存量大、數(shù)據(jù)更替快等大數(shù)據(jù)4V特點。挖掘規(guī)律即是動態(tài)交互網(wǎng)絡用戶訪問信息發(fā)現(xiàn)的重要研究內(nèi)容。動態(tài)交互網(wǎng)絡日志挖掘是對大量用戶行為和數(shù)據(jù)價值有效性的判斷，該判斷是經(jīng)過數(shù)據(jù)的預處理、數(shù)據(jù)模式識別和模式分析3個過程實現(xiàn)的。

2 動態(tài)交互網(wǎng)絡日志挖掘的過程

對于動態(tài)交互網(wǎng)絡日志挖掘，首先要研究和分析網(wǎng)絡日志記錄信息存在的變化和特點，進而實現(xiàn)數(shù)據(jù)的預處理過程。另外，要識別用戶信息，提高對用戶價值信息的服務質(zhì)量，改進動態(tài)交互網(wǎng)絡服務系統(tǒng)的數(shù)據(jù)信息判斷和組織結(jié)構(gòu)。

2.1 數(shù)據(jù)預處理

在動態(tài)交互網(wǎng)絡日志文件記錄中，存儲的是用戶訪問站點信息的原始記錄，而原始記錄的數(shù)據(jù)具有多樣性和大量性，所以，直接從數(shù)據(jù)中挖掘其有效價值存在不確定性和一定的困難。在借助一定的算法和工具分析數(shù)據(jù)時，必須要對數(shù)據(jù)進行預處理。預處理過程是指對數(shù)據(jù)質(zhì)量、數(shù)據(jù)的多樣性和量級進行處理，這會直接影響數(shù)據(jù)挖掘的結(jié)果，還會影響數(shù)據(jù)價值存在的判斷。對于數(shù)據(jù)訪問量小、數(shù)據(jù)多樣性單一的網(wǎng)絡日志信息，數(shù)據(jù)處理的準確性具有非常重要的意義。日志預處理主要是通過數(shù)據(jù)凈化、用戶識別、會話識別和數(shù)據(jù)合并4個過程實現(xiàn)的。

2.2 數(shù)據(jù)模式發(fā)現(xiàn)

利用數(shù)據(jù)挖掘相關算法是實現(xiàn)對網(wǎng)絡日志中隱藏的、重復的、大量有用的或者無用的信息進行數(shù)據(jù)模式識別的一種方式，最終發(fā)現(xiàn)可以理解和學習的信息。同時，用于動態(tài)交互網(wǎng)絡的挖掘技術有路徑選擇、關聯(lián)分析、分類規(guī)則、聚類分析、序列分析和依賴性建模等。

2.3 模式分析

在動態(tài)交互網(wǎng)絡日志挖掘中，最重要的一項工作就是數(shù)據(jù)分析。它主要完成有用模式的算法發(fā)現(xiàn)和數(shù)據(jù)鏈的模式分析。在當前的電子商務系統(tǒng)中，模式發(fā)現(xiàn)和模式分析能夠?qū)崿F(xiàn)大量用戶數(shù)據(jù)的價值發(fā)現(xiàn)，利用挖掘的有效算法，能夠在日志數(shù)據(jù)快速變化的狀態(tài)下分析用戶的瀏覽狀況，并依據(jù)模式分析結(jié)果改進網(wǎng)頁內(nèi)容，優(yōu)化用戶服務，從而提高用戶的興趣點，提升訪問量，解決數(shù)據(jù)大量、快速、多樣性變化的特點，以此獲取有效價值數(shù)據(jù)對交互網(wǎng)絡的影響。

3 在信息系統(tǒng)中的構(gòu)建

3.1 網(wǎng)站設計

網(wǎng)站設計的主要內(nèi)容包括以下幾點：①用戶訪問網(wǎng)站方式基于http協(xié)議；②動態(tài)交互網(wǎng)絡的服務多樣性；③依據(jù)用戶行為信息，挖掘有效價值鏈，產(chǎn)生具有特色的網(wǎng)絡交互行為，而數(shù)據(jù)頁面的引導表現(xiàn)出了便捷和快速的特點；④利用日志挖掘技術查詢用戶有價值信息，依據(jù)數(shù)據(jù)價值判斷、推算出潛在的數(shù)據(jù)連接和頁面訪問指向。

3.2 系統(tǒng)架構(gòu)

該系統(tǒng)主要由4個功能模塊組成，即客戶端訪問模塊、數(shù)據(jù)訪問模塊、價值識別模塊和個性化服務模塊。

3.2.1 客戶端訪問模塊

客戶端訪問模塊主要用于處理客戶端的基本信息并識別用戶，其工作內(nèi)容包括客戶端的登錄服務、識別用戶名和密碼。其中，登錄服務主要是完成用戶信息的修改和存儲。同時，用戶的不可修改信息也會被存儲和識別，比如MAC、IP瀏覽器版本號等。

3.2.2 數(shù)據(jù)訪問模塊

客戶端被訪問時會在服務器端和客戶端產(chǎn)生日志信息，而日志信息是數(shù)據(jù)預處理和模式識別的基礎。訪問日志模塊主要用于處理用戶行為記錄的各項信息，訪問信息具有大量、多樣和快捷的特點。日志信息包括訪問某一頁面的次數(shù)、訪問頁面的多個URL地址信息、用戶行為信息的判斷和大量數(shù)據(jù)保存方面的管理配置等。利用數(shù)據(jù)訪問模塊，可以識別和分析數(shù)據(jù)，完成預處理工作。

3.2.3 價值識別模塊

網(wǎng)站的構(gòu)成具備多網(wǎng)頁站點間多聯(lián)系、交互的特點，而網(wǎng)站數(shù)據(jù)具有多樣性和快捷性。網(wǎng)站要想顯示用戶興趣和行為，就要改進數(shù)據(jù)分析和識別模式。對用戶在網(wǎng)頁中停留的時間和搜索的信息內(nèi)容等情況進行數(shù)據(jù)挖掘時，要結(jié)合用戶參與和識別的情況，建立適合用戶訪問興趣的信息推送，從而實現(xiàn)數(shù)據(jù)價值識別。

3.2.4 個性化服務模塊

個性化服務模塊是通過分析用戶訪問的數(shù)據(jù)分析來判斷用戶信息的興趣。客戶端登錄后，依據(jù)數(shù)據(jù)分析和價值識別來搜索類庫中用戶的歷史信息，通過個性化服務進行推薦。模式分析的結(jié)果是不同興趣的用戶得到的不同數(shù)據(jù)頁面。

4 結(jié)束語

實踐證明，對動態(tài)交互網(wǎng)絡日志進行預處理，可以清理、過濾、組合無價值的記錄。在動態(tài)交互網(wǎng)絡日志中的數(shù)據(jù)，可以利用數(shù)據(jù)挖掘相關算法，將其轉(zhuǎn)換為可識別的形式來挖掘關聯(lián)規(guī)則，并對用戶進行聚類和分類，挖掘出客戶端與地域、時間、頁面等相關內(nèi)容的聯(lián)系，從而發(fā)現(xiàn)用戶訪問動態(tài)交互網(wǎng)絡頁面的模式，改進動態(tài)交互網(wǎng)絡站點的性能和組織結(jié)構(gòu)，實現(xiàn)日志數(shù)據(jù)挖掘技術在用戶行為信息分析中的作用。

參考文獻

[1]陳京民.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術[M].第二版.北京：電子工業(yè)出版社，2007.