摘 要
本文結合網絡日誌數據挖掘技術，通過對Frame頁面和SubFrame頁面進行分析，提出基於改進的Frame頁面數據挖掘預處理方法。該方法從SubFrame頁面信息着手，從而提高預處理過程中的信息識別能力。實驗表明，該方法在網絡日誌的數據挖掘預處理過程中，有效提高了信息的精準度。
【關鍵詞】數據挖掘 Frame頁面 SubFrame頁面
1 引言
隨着互聯網技術的迅猛發展，簡單的信息搜索技術已經不能滿足現階段網絡信息獲取的需求。網絡日誌數據挖掘技術是結合網絡日誌用户的訪問行為規律、興趣需求等信息，加以分析，優化網絡內容與網絡文本文檔的組織結構，以此提高網絡站點的競爭力。我們發現網絡日誌記錄往往十分龐大，傳統的預處理方法，並不能很好解決日誌頁面對站點組織結構的影響。因此，進行網絡日誌預處理方法的研究，具有一定的現實意義。
對於傳統的網絡日誌的數據挖掘，預處理階段的.Frame頁面和SubFrame頁面在用户會話文件出現的概率很高，這就降低了會話識別的興趣度。因此，必須消除Frame頁面對網絡日誌數據挖掘的影響。我們將Frame頁面以及其SubFrame頁面被看為一個整體，用Frame頁面代替通過會話文件尋找Frame頁面和Subframe頁面，並剔除多餘的頁面，以提高日誌數據挖掘的興趣性。
2 改進的Frame頁面數據挖掘預處理方法
通過對Frame頁面過濾方法，結合實際情況分析，我們利用ID3決策樹算法，提出基於改進的Frame頁面過濾方法，以提高網絡日誌數據挖據的效率。該方法如下：
輸入：FS表（pidframne ， pidsubframe）所對應的集合；集合屬性包括 {index.html，top.html，left.html，main.html，…}
輸出：判定策略
For each users session
{
currentframe=null
make_node（web）
if（（cerrenframe， pid， ∈FS） make_tree（currentframe，web_left）
Else if pid， ∈dom（FS）
{curremtframe pidi make_decition_tree（currentframe，web_left}
else make_decition-tree（currentframe，web_rleft
if attribute_list=null{make_decition_tree（currentframe，web_right）；}
else if（one ofattribute_list）>allgain
currentframe=test-attribute；
make_decition（ai，web_left）
Else generate_decision_tree（ai，web_right）
}
上述策略認為，訪問站點的頁面為根節點，具有信息增益最高的特徵，currentframe變量記錄web當前頁面pidi。若當前頁面pidi不屬於frame頁面，則歸類左子樹，反之當前頁面pidi歸入右子樹。即pid，∈DOM（FS）。而frame頁面的subframe頁面歸類左子樹。這樣一來，frame頁面為決策樹右樹，subframe頁面為決策樹左樹，subframe頁面在會話識別階段得到保留，以便後續路徑補充。該方法優化了站點的組織結構，較好提升了網絡日誌數據預處理效率。
3 實驗分析
我們通過Frame頁面過濾預處理方法實驗，驗證本文提出的改進方法。實驗提取700個日誌所記錄的訪問頁面，共20萬條日誌文件，結合本文提出的改進Frame頁面網絡日誌數據挖掘預處理方法，與傳統頁面預處理方法進行對比測試。結果如表1所示。
在表1中，絕對支持度表示用户頻繁訪問頁面的最小會話數，FSi表示用户頻繁訪問頁面集合數，*為用户不感興趣的頁面集，△表示頁面集是用户感興趣的，△△表示頁面集用户感興趣程度加強。實驗表明，改進Frame頁面過濾方法相比傳統方法，預處理結果得到提高，因此，網絡日誌的數據挖掘效率得到加強。
4 小結
本文通過對網絡日誌數據挖掘預處理技術進行分析，結合預處理過程中的實際情況，着重考慮SubFrame頁面剔除對站點組織結構的影響，提出了改進的Frame頁面網絡日誌數據挖掘預處理方法，實驗表明，該方法較好的提高了網絡日誌數據挖掘的預處理精度和效率。
參考文獻
[1]方元康等.一種改進的Web日誌會話識別方法[J].計算機技術與發展，2008，18（11）：214-216.
[2]朱明.數據挖掘[M].合肥：中國科技大學出版社，2008：13-56.
[3]朱志國等.持久偏愛的Web用户訪問路徑信息挖掘方法[J].情報學報，2010，29（2）.
[4]凌海峯等.基於混合蟻羣算法的web用户會話聚類[J].計算機工程與應用，2013（22）.
[5]韓法旺.Web日誌挖掘數據預處理過程研究[J].南京工業職業技術學院學報，2012（2）.
[6]凌海峯等.基於聚類的web用户會話識別優化方法[J].計算機應用研究，2012（8）.
文萃咖
