在STPN網頁架構模型建立與應用網頁衡量基準

Construct and Apply the Web Metrics for STPN Web Structure Model

劉宛青(Wan-Ching Liu)

指導教授 ： 陳伯榮

淡江大學/工學院/資訊工程學系碩士在職專班/碩士(2007年)

https://doi.org/10.6846/TKU.2007.00745

摘要

網頁探勘(Web Mining)是資料探勘(Data Mining)中的一個領域，他將全球資訊網中相關原始資料進一步整理並運用資料探勘的方法，以得到有用的資訊。
運用隨機過程時間派翠網路來建構STPN網頁架構模型可以強化網頁使用者習性探勘。本篇論文則應用網頁結構特性（Web graph properties）中的向心度（Centrality）、整體衡量基準（Global Metrics）及局部衡量基準（Local Metrics）以及網頁相似性（Web page similarity）中的使用習性相似性（Usage-Based Similarity）來作為衡量網站的基準（Web metrics），我們在STPN網頁架構模型中加入調整網頁結構的子系統來分析網頁結構特性，提供網頁管理者是否要調整網頁結構的依據，以便增進網頁使用者擷取資訊。
面對網頁結構經常修改的問題，我們也探討如何透過漸進的方式來調整網頁結構。

關鍵字

網頁使用者習性探勘 ； 隨機過程時間派翠網路 ； 網頁結構特性 ； 衡量網站的基準

並列摘要

Web Mining is a domain of Data Mining. It is a method to get some helpful information by processing the World Wide Web source data and using the data mining methods.
Using Stochastic Timed Petri Nets to construct the web structure model can enhance web usage mining. In this paper, we apply three web graph properties: Centrality, Global Metrics and Local Metrics, and Usage-Based Similarity in Web page similarity to be the web metrics. In STPN web structure model, we add the subsystem that adjust the web structure to analyze the web graph properties. Whether the web administrator adjust the web structure, we provide some helpful information to web administrator for improving web information access.
Face the problem of often modifying the web structure, we also discuss how adjusting the web structure by using progressive method.

並列關鍵字

web usage mining ； Stochastic Timed Petri Nets ； Web graph properties ； Web metrics

參考文獻

[18] 陳伯榮、楊士央、何仁中，”應用隨機過程時間派翠網路來強化網頁使用者習性探勘” ，二００四數位生活與網際網路科技研討會。Session7C-3，June 24-26，2004，NSC 92-2213-E-032-024.

[19] 陳伯榮、楊士央、季振忠、陳清祥、孫初豪，”應用一般隨機過程派翠網路來協助網頁使用者習性探勘中的前置處理”， 二００五數位生活與網際網路科技研討會。Session9D-1，June 2-3，2005，NSC 93-2213-E-032-016.

[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.