基于URL语义分析的Web用户会话识别方法

朱 志 国

（1.大连理工大学系统工程研究所，辽宁大连 116024；2.东北财经大学管理科学与工程学院，辽宁大连 116023）

0 引 言

用户会话是指用户在一次访问网站期间从进入网站到离开网站所进行的一系列访问活动.会话识别工作就是将每个用户的活动日志按照某种方法映射到会话中去.会话识别是否准确直接决定了后续的Web使用挖掘处理结果是否有意义，因此在Web使用模式挖掘系统的数据预处理中，用户会话识别和重建是非常重要的步骤之一［1］.在实践过程中本地缓存、代理服务器和防火墙的存在，使Web日志中记录的数据并不精确，增加了识别和重建用户会话的难度.

目前，已经有不少学者提出了一些用户会话识别方法［2～4］，其中较经典的有基于时间的启发式方法和基于引用的启发式方法［5］.

基于时间的启发式方法只考虑用户与网站交互中的时间因素.这种方法又可以分为基于会话时间的启发式方法（T1）和基于页面访问时间的启发式方法（T2）两种类型.T1的主要思想是：一个用户会话持续时间不能超过一个预设阈值Φ，通常Φ采用30 min；T2的主要思想是：用户在一个页面停留的时间不能超过阈值δ，否则判定新会话开始，通常δ取10 min.

基于引用的启发式方法（H－ref）的主要思想是：利用页面之间的实际链接关系来分割会话.假设同一用户依次发出相邻的两个页面请求p和q（其中p属于会话S），参照网站的拓扑结构图之后，发现q的引用页面是p或者已经存在于会话S当中（可……