مدل جریان داده ضد پرش برای جریان های استفاده از وب با میان لینک ها

The anti-bouncing data stream model for web usage streams with intralinkings

a b s t r a c t

Web usage mining is a significant research area with applications in various fields. However, Web usage data is usually considered streaming, due to its high volumes and rates. Because of these characteristics, we only have access, at any point in time, to a small fraction of the stream. When the data is observed through such a limited window, it is challenging to give a reliable description of the recent usage data. We show that data intralinkings, i.e. a usage record (event) may be associated with other records (events) in the same dataset, are common for Web usage streams. Therefore, in order to have a more authentic grasp of Web usage behaviors, the corresponding data stream models for Web usage streams should be able to process such intralinkings. We study the important consequences of the constraints and intralinkings, through the ‘‘bounce rate’’ problem and the clustering of usage streams. Then we propose the user-centric ABS (the Anti-Bouncing Stream) model which combines the advantages of previous models but avoids their drawbacks. First, ABS is the first data stream model that is able to seize the intralinkings between the Web usage records. It is also the first user-centric data stream model that can associate the usage records for the users in the Web usage streams. Second, owing to its simple but effective management principle, the data in ABS is available at any time for analysis. Under the same resource constraints as existing models in the literature, ABS can better model the recent data. Third, ABS can better measure the bounce rates for Web usage streams. We demonstrate its superiority through a theoretical study and experiments on two real-world data sets. 2014

دانلود رایگان مقاله انگلیسی                   1.68 MB

چکیده
استفاده از وب کاوی یک حیطه ی پژوهشی مهم با کاربردهایی در زمینه های متعدد می باشد. با اینحال، داده های استفاده از وب معمولا به دلیل حجم ها و نرخ های بالایش بطور جاری در نظر گرفته می شوند. به دلیل این ویژگی ها، در هر نقطه زمانی تنها به کسر کوچکی از جریان دسترسی داریم. زمانیکه داده ها از طریق چنین پنجره ی محدودی مشاهده می شوند، ارائه ی توصیف قابل اطمینان از داده های استفاده اخیر چالش انگیز می باشد. نشان می دهیم که میان لینک ها، یعنی رکورد استفاده (رویداد) ممکن است با سایر رکوردها (رویدادها) در مجموعه داده یکسان در ارتباط باشد، برای جریان های استفاده از وب مشترک می باشند. بنابراین، به منظور داشتن درک معتبرتر از رفتارهای استفاده از وب، مدل های جریان داده متناظر برای جریان های استفاده از وب باید قادر به پردازش چنین میان لینک ها باشند. به مطالعه ی پیامدهای مهم شرط ها و میان لینک ها، بواسطه ی مسئله ی نرخ پرش و خوشه بندی جریان های استفاده می پردازیم. سپس، مدل ABS (جریان ضد پرش) کاربر محور را پیشنهاد می کنیم که مزایای مدل های قبلی را ترکیب می کند ولی از معایب شان جلوگیری می کند. اولا، ABS اولین مدل جریان داده است که قادر به ضبط میان لینک های بین رکوردهای استفاده از وب می باشد. همچنین اولین مدل جریان داده کاربر محور است که می تواند رکوردهای استفاده را برای کاربران موجود در جریان های استفاده از وب مرتبط سازد. ثانیا، به دلیل اصل مدیریت ساده و در عین حال موثرش، داده های موجود در ABS هر زمان برای آنالیز دردسترس می باشند. تحت شرایط منبع یکسان با مدل های موجود در مقالات، ABS می تواند داده های اخیر را بهتر مدل سازی کند. سوم اینکه، ABS می تواند نرخ های پرش را برای جریان های استفاده از وب بهتر ارزیابی کند. برتری اش را بواسطه ی مطالعه ی تئوری و آزمایش هایی روی دو مجموعه داده ی دنیای واقعی نشان می دهیم.

تعداد صفحات مقاله انگلیسی: 16 صفحه
تعداد صفحات مقاله فارسی: 35 صفحه