基于用戶訪問行為分析的網(wǎng)站分類研究.pdf

1、隨著Internet和WWW的迅猛發(fā)展，網(wǎng)站的數(shù)量也越來越多，而且網(wǎng)站包含了海量的、異構(gòu)的、動態(tài)的信息資源，利用數(shù)據(jù)挖掘中的分類技術(shù)對這些網(wǎng)站進(jìn)行組織歸納，從而有效地管理資源、改善網(wǎng)站服務(wù)滿足用戶需求，已日益成為一個重要的研究課題。目前的網(wǎng)站分類研究是以文本分類為基礎(chǔ)的，需要分析網(wǎng)頁內(nèi)容，且以單個網(wǎng)頁為處理對象，計算量大，不適合處理大規(guī)模流數(shù)據(jù)。另一方面，網(wǎng)站正從“以站點為中心”朝著“以用戶為中心”的方向發(fā)展，而這種基于文本的分類方法從

2、網(wǎng)頁的靜態(tài)內(nèi)容出發(fā)，分類結(jié)果不能體現(xiàn)用戶的行為特點。
　　 針對傳統(tǒng)的基于內(nèi)容的網(wǎng)站分類方法存在的問題，本文提出了一種基于用戶訪問行為分析的網(wǎng)站分類方法，該方法把具有相同URL前綴的網(wǎng)頁的集合（即URL主機(jī)名相同的網(wǎng)站）作為一個處理對象，降低了數(shù)據(jù)規(guī)模；其次采集河南省教育科研計算機(jī)網(wǎng)真實的HTTP協(xié)議業(yè)務(wù)流數(shù)據(jù)作為分析對象，從用戶對網(wǎng)站的訪問行為中提取用于網(wǎng)站分類的特征，不需要逐個分析網(wǎng)頁內(nèi)容；最后針對省級區(qū)域性網(wǎng)絡(luò)數(shù)據(jù)規(guī)模大的