基于改进k-prototypes算法的Web日志分析系统的设计与实现-论文.pdf

《基于改进k-prototypes算法的Web日志分析系统的设计与实现-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第5期吉林工程技术师范学院学报Vo1．31No．52015年5月JournalofJilinTeachersInstituteofEngineeringandTechnologyMay．2015基于改进k-prototypes算法的Web日志分析系统的设计与实现罗冬梅(武夷学院大学计算机公共教研室，福建武夷山353000)[摘要]设计了一个基于改进k-prototypes算法的WebFt志分析系统，结合学校网站采集的数据针对相关技术算法进行了应用及分析。[关键词]数据挖掘；web日志；k—prototypes算法[中图分类

2、号]TP39[文献标识码】A[文章编号]1009-9042(2015)05-0093-04DesignandImplementationofWebLogAnalysisSystemBasedontheImprovedK-PrototypesAlgorithmLUDong—mei(PublicTeachingandResearchDepartmentofUnwe~ityComputer，阢University，WuyishanFufian353000，China)Abstract：Awebloganalysissystembased

3、ontheimprovedK—Prototypesalgorithmisde—signedandcombinedwiththedatacollectedbyschoolwebsitetocarryouttheapplicationandanalysisonrelevanttechnologyalgorithm．Keywords：datamining；weblog；k-prototypesalgorithm点，将关系数据库的特点，如操作方便、数据存储结构化、对数据处理的便捷等，与改进的k—prototypes1引言算法结合起来，通过

4、它对学校网站的Web服务器日随着网络的迅速发展和广泛使用，学校网站服志进行分析，得到网站访问者的行为模式以及页面务器上每天都收集到大量的用户访问记录，通过对的访问情况。这些记录的挖掘，可以帮助学校管理部门及时了解2系统模块结构网站的使用情况，以及各学科、各阶段用户关心的问题和感兴趣的页面都有个清晰的掌握，督促网站管研究的web日志分析系统主要由三个部分组理员及时根据实际情况，改进网站结构、提升Web成，分别是：数据预处理、数据挖掘和建立规则库，实系统的性能、为广大用户提供服务及辅助决策等，以际上就相当于入侵检测系统中格式化数据、数

5、据分便更好地提供学校的www服务。如果靠人为去分析、产生规则的集合。web日志分析系统的模块如析相关数据则有些困难，数据挖掘(DM，DataMin—图1所示。ing)方法的优势就在于它能从大量数据中提取人们数据预处理由数据采集、数据筛选和数据格式感兴趣的、事先未知的知识和规律，而不依赖经验。化组成，将采集到的日志文件转换成数据挖掘所需为了能获得有价值的信息，显而易见，在分析日志数的数据形式。数据挖掘技术在本文中采用的是改进据时采用数据挖掘技术是十分必要的。的k—prototypes算法，建立规则库由正常和异常规基于上述的原因，设计

6、开发了一个基于改进k一则库组成，分别存放正常行为规则和异常行为规则。原型(k—prototypes)算法的Web日志分析的系统。web日志挖掘是将数据挖掘技术应用于Web系统的研发利用了数据库技术与数据挖掘两者的优服务器的日志文件，即指从Web服务器日志中自动收稿日期：2015-02—12作者简介：罗冬梅(1975一)，女，福建尤溪人，武夷学院大学计算机公共教研室讲师，硕士，主要从事计算机应用、数据挖掘研究。·94·吉林工程技术师范学院学报2015年5月抽取用户的访问模式。1)date和timeWeb日志记录着用户的所有活动信息，

7、其中包用户访问网站的日期与时间。含了与用户交互的相关信息，用户经常访问的站点、2)S—ip与S—portWeb页面停留时间等。由于用户对Web的访问具生成日志条目的服务器的IP地址与服务器的有一定的规律性和习惯性，所以通过访问日志记录端口。可以挖掘到用户访问站点的频繁程度和行为模式，31CS—method便于找出某段时间内用户对特定内容的兴趣。客户端试图执行的操作(如GET、POST和Web日志挖掘的目标分为以下两类：HEAD请求等)。一般访问：主要通过分析Web日志，洞察用户4)CS—uri—stem与es—uri—query的

8、访问模式和行为习惯，从而改善和优化站点结构，被访问的资源与客户正在尝试执行的查询(如提高站点质量；果有)。个性化访问：主要通过分析个体访问日志，更新5)CS—username访问页面的超链接，及时为用户提供站点服务。通过身份验证的访问服务器的用户名