Publikace detail

Influence of ratio of auxiliary pages on the pre-processing phase of web usage mining

Autoři: Munk Michel | Benko Ľubomír | Gangur Mikulas | Turcani Milan

Rok: 2015

Druh publikace: článek v odborném periodiku

Název zdroje: E+M Ekonomie a Management

Strana od-do: 144-159

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Vliv poměru pomocných stránek na předzpracování fáze těžby využití webminingu	Dolování dat patří k jedním z důležitých nástrojů Business Intelligence. Je to prostředek pro zvýšení konkurenceschopnosti společnosti. Webové dolování se zabývá dolováním dat pomocí protokolu serveru WWW a analyzuje chování uživatele na webu. Prvním krokem procesu dolování webu je předzpracování dat, získaných ze souboru protokolu web. Předzpracování dat je důležitou součástí webového dolování. Poznáváme vzorce chování návštěvníků webu závisijící na kvalitě předzpracování fáze. Proto je důležité porozumět použitým metodám. Tento dokument shrnuje fáze předběžného zpracování a zejména fáze identifikace relace.	Pmocné stránky; Business intelligence; Data mining; Předzpracování dat; Log soubory; Délka referencí
eng	Influence of ratio of auxiliary pages on the pre-processing phase of web usage mining	Data mining belongs to the one of the important tools for Business Intelligence. It is a means to increase competitiveness of a company. Web usage mining is engaged in data mining of web server log file and it analyzes the user´s behavior on the web site. The first step of web usage mining process is data pre-processing obtained from a web log file. Data pre-processing is an important part of web usage mining. Discovering patterns of behavior of web visitors depends on the quality of pre-processing phase. Therefore it is important to understand the used methods. This paper summarizes the pre-processing phases and especially the phases of session identification. There are introduced two algorithms for data cleaning and session identification using the reference length method. The main aim of this paper is to compare a calculation of cutoff time and its influence on discovered useful, trivial and inexplicable rules. Cutoff time is an important part of the session identification using the Reference Length method. The influence of ratio of auxiliary pages on the calculation based on a sitemap and subjective estimation was compared. Statistical methods were used to determine the difference between these two approaches. In this paper was examined the portion of found rules based on quantity and quality. The ratio of auxiliary pages has only an impact on quantity of extracted rules in the files with path completion. It has no impact on portion of extracted useful rules, on the other hand, inappropriate estimation of the ratio of auxiliary pages may cause increasing of trivial and inexplicable rules. © 2015, Technical University of Liberec. All rights reserved.	Auxiliary pages; Business intelligence; Data mining; Data pre-processing; Log files; Reference length; Session identification; Web usage mining

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte