利用隨機過程時間派翠網路，以協助網頁探勘中的資料前置處理過程

The Use of Stochastic Timed Petri Nets To Help Data Preprocessing Procedure In Web Mining

季振忠(Chen-Chung Chi)

指導教授 ： 陳伯榮

淡江大學/工學院/資訊工程學系碩士班/碩士(2005年)

https://doi.org/10.6846/TKU.2005.00524

摘要

我們在本篇論文中，將探討網頁使用者習性探勘中，資料前置處理的一些實務上碰到的問題以及解決的方法。
由於在網頁使用者習性探勘的過程中，若未先做好網頁結構分析，則不能確實完成資料前置處理的工作，進而嚴重影響到模式發掘的正確性。
因此，在本論文中，我們應用隨機過程時間派翠網路(Stochastic Timed Petri Nets, STPN)的可到達行為特性(reachability)以及網頁架構經過分析後產生的資料結構，來協助資料前置處理過程中的網頁內容範圍辨識以及路徑填補。

關鍵字

網頁使用者習性探勘 ； 資料前置處理 ； 模式分析 ； 隨機過程時間派翠網路 ； 可到達行為特性 ； 網頁內容範圍辨識 ； 路徑填補

並列摘要

Data preprocessing is an important procedure in web usage mining. In this paper, we will discuss some major questions in data preprocessing, and then provide some methods to help to solve these problems.
In a web usage mining process, if we do not complete the web structure analysis at first, then we cannot truly complete data preprocessing, as well seriously affects the accuracy in pattern discovery.
Therefore, in the present paper, we utilize Stochastic Timed Petri Nets (STPN) and its reachability behavior characteristic, as well as the constructed web structure which produces after the web structure analysis, to help web content scope recognization and path completion procedure.

並列關鍵字

web usage mining ； data preprocessing ； pattern discovery ； Stochastic Timed Petri Nets ； reachability behavior ； web content scope recognization ； path completion

參考文獻

[2] Federico Michele Facca and Pier Luca Lanzi “Recent Development in Web Usage Mining”, Lecture Notes in Computer Science 2727, pp.140-150, 2003.

[3] Robert Cooley “The Use of Web Structure and Content to Identify Subjectively Interesting Web Usage Patterns”, ACM Transactions on Internet Technoloey, Vol.3, No.2, ppP.93-116, May 2003.

[4] A. Buchner, M. Mulvenna, “Discovering Internet Marketing Intelligence through Online Analytical Web Usage Mining”, SIGMOD Record, Vol.27, No.4, pp.54-61, Dec.1998.

[5] Robert Cooley, Pang-Ning Tan, Jaideep Srivastava, ”Discovery of Interesting Usage Patterns from Web Data”, Lecture Notes in Computer Science, 2000.

[7] Myra Spiliopoulou, Carsten Pohle, Lukas C. Faulstich, “Improving the effectiveness of a web site with web usage mining”, WEBKDD, 1999.