Web日志挖掘的研究

袁 伟，黄良剑

（江苏省建筑工程质量检测中心有限公司，南京 210028）

1 引言

随着信息时代的来临，网络迅速发展，互联网渐渐成为人们获取信息的重要渠道，Web站点遍及人生活中的各个领域，如：科技、教育、电子商务等等。Web站点给人们带来了大量有价值的信息和非常大的便利，同时也留下很多访问数据；与此同时，随着Internet的广泛被使用，人们对于Web站点的要求也是越来越高，如何从众多的Web访问数据中知晓用户的浏览目的，以提升网站的性能，更好地为用户提供个性化服务，成为了计算机网络领域的一个重要课题。Web数据挖掘[1]就是为解决以上需求而生的数据处理技术。

Web数据挖掘是数据挖掘在Web上的应用。Web挖掘主要分为三类：Web内容挖掘、Web结构挖掘和Web日志挖掘。作为Web数据挖掘一个重要分支的Web日志挖掘[2]也是备受关注。Web日志挖掘从用户大量的Web访问记录中，挖掘到用户访问页面的情况、网站的频繁使用情况等很多有益的信息，这不仅能帮助网站管理者从中获取Web站点的用户访问情况和Web站点的使用情况，还能为Web站点的结构优化提供数据支持，以便更好地为用户提供服务等。

2 数据预处理

对数据预处理是保证挖掘结果准确性的重要前提。预处理的目的就是要清除不一致的“脏”数据，留下正确、完整、干净的数据。据统计，数据预处理[3]在挖掘过程中，所耗费的时间和成本达到60%至80%左右。数据预处理过程包括数据清理、用户识别、会话识别等。

2.1 数据清理

数据清理是指基于当前挖掘任务，清除Web日志文件中与挖掘任务不相干的数据。……