초록

AI-Helper

웹로그 마이닝은 대용량의 웹로그 데이터로부터 웹액세스 패턴을 추출함으로써 사용자의 행등 패턴을 찾아내는데 이러한 작업은 웹사이트 설계상의 문제점 등을 발견 및 보완하거나 사용자에게 개인화 페이지를 제공하는데 이용될 수 있다. 사용자의 관심도를 반영하는 웹액세스 패턴을 추출할 때 페이지의 액세스 횟수 뿐만 아니라 페이지의 소요 시간까지 고려함으로써 더욱 정확한 액세스 패턴을 추출하는 것이 본 논문의 목적이다.

웹로그 마이닝은 대용량의 웹로그 데이터로부터 웹액세스 패턴을 추출함으로써 사용자의 행등 패턴을 찾아내는데 이러한 작업은 웹사이트 설계상의 문제점 등을 발견 및 보완하거나 사용자에게 개인화 페이지를 제공하는데 이용될 수 있다. 사용자의 관심도를 반영하는 웹액세스 패턴을 추출할 때 페이지의 액세스 횟수 뿐만 아니라 페이지의 소요 시간까지 고려함으로써 더욱 정확한 액세스 패턴을 추출하는 것이 본 논문의 목적이다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법

문제 정의

• 따라서, 본 연구에서는 페이지 소요 시간이라는 요소를 패턴 추출 기준으로 주가함으로써 사용자의 관심도를 반영한 보다 정확하게 패턴을 추출할 수 있는 방법을 제시하고자 한다.
• 본 논문에서는 기존의 연구들이 따르고 있는 페이지의 으A세 스 횟수만을 가지고 패턴을 추출하슌 방법이 가지는 문제점올 제시하고 이를 해결할 수 있는 방법으로 페이지의 소요 시간을 고려하는 방법올 제안하였다. 또한, 각 페이지를 나타내는 노드의 색을 달리 표현함으로써 사용자가 각 페이지의 특성을 이해하기 쉽도록 하였다.
• 그래프 탐색 시 각 노드를 방문하였는가의 조건 외에 액세스 횟수나 페이지 소요 시간과 같은 추가 조건을 가지고 탐색해 나가되 이러한 조건올 만족하지 않으면 더 이상 ZL 이후로 는 탐색해 보지 않는 방법을 사용하였다. 본 논문에서는 액세스 횟수만을 고려하여 패턴을 찾는 기존의 방법과 비교하기 위해서 다음의 두 가지 경우를 모두 고려해본다.
• 웹 액세스 패턴 마이닝에 대한 기존의 연구들에서눈 사용자가 많이 방문한 페이지일수록 즉 액세스 횟수가 높은 페이지일수록 패턴에 포함될 확률이 높다. 본 논문에서는 페이지의 액세스 횟수뿐만 아니라 웹사이트의 방문자가 현재 페이지를 액세스하는 시각부터 그 페이지를 떠나기 전까지의 시간 즉, 페이지를 얼마나 보고 있었뉸가 하는 페이지 소요 시간을 함께 고려함으로써 사용자의 관심도를 정확히 반영할 수 있는 웹 액세스 패턴 추출 방법을 제안하고자 한다.
• 두 번째는 각각의 로그 엔트리를 스캔하면서 페이지 소요 시간이 해당 페이지의 평균 소요 시간 이상을 본 페이지 일 경우 이틀 패턴으로 취하는 방법이다. 페이지마다 내용, 길이에 따른 난이도가 다르기 때문에 모두 동일한 시간 제약 조건을 적용하는 것이 문제점이 있을 수 있기 때문에 본 논문에서는 후자의 방법으로 테스트를 수행해 보았다.

가설 설정

• 본 논문에서는 페이지의 소요 시간만을 주가하였는데 이외에도 사 용자가 현재 보고 있는 페이지를 스크롤 하는 정도, 윈도우의 크기 조절 여부 등과 같은 요소를 더 주가할 수 있다면 보다 정확히 사용자의 관심도를 분}. 영한 웹 액세스 패턴을 추출할 수 있을 것이다.
• 위의 연구들은 공통적으로 웹 액세스 경로를 페이지 ID 와 액세스 횟수 정보를 갖는 노드들로 이루어진 그래프 흑은 토리로 표현한 뒤, 액세스 횟수를 기준으로 그래프(혹은 트리)를 탐색하면서 패턴을 추출하는 방법을 사용하고 있다. 즉, 빈반히 방문되는 페이지일수록 사용자가 관심 있어 하는 페이지라는 것을 가정한 후에 패턴을 추출하게 되는 것이다. 하지만 이러한 방법은 다음과 같은 경우 사용자의 관심도를 정확히 반영한 패턴을 추출하지 못하게 된다.
• 그림2는 각 페이지의 속성에 대한 그림이다. 총 8개의 페이지가 있고, 각 페이지는 앞에서 설명한 사분면의 각각의 위치에 포함된다고 가정한다,

제안 방법

• 그림4는 그림3의 페이지 간 참조 관계를 가정하고 생성한 로ZL 데이터이다. 각각의 로그엔트리는 호스트명, 액세스한 시각, 페이지 ID로 이루어져 있고 데이터 전 저리 과정을 통해서 각 로그 엔트리 간의 시간차를 계산하고 이를 해당 페이 지에서 머문 시간 즉, 소요 시간으로 보았다. 그림4에서는 duratione) 二L것을 의미한다.
• 액세스 경로를 표현한 그래프는 연결리스트를 이용하였고 패턴 추출은 그래프의 깊이 우선 탐색 방법을 변형하여 사용하였다. 그래프 탐색 시 각 노드를 방문하였는가의 조건 외에 액세스 횟수나 페이지 소요 시간과 같은 추가 조건을 가지고 탐색해 나가되 이러한 조건올 만족하지 않으면 더 이상 ZL 이후로 는 탐색해 보지 않는 방법을 사용하였다. 본 논문에서는 액세스 횟수만을 고려하여 패턴을 찾는 기존의 방법과 비교하기 위해서 다음의 두 가지 경우를 모두 고려해본다.
• 그림4에서는 duratione) 二L것을 의미한다. 또한 세션 1D를 부여하壬데 본 논문에서는 IP주소로써 웹 사이於 방문자를 吁분하였으며, 30분 이상 페이지 요청이 없으면 해당 세션이 끝난 것으로 하였다. 각 페이지별 액세스 횟수와 소요 시간, 평균 소요 시간 역시 데이터 전처리 과정에서 측정하게 된다.
• 본 논문에서는 기존의 연구들이 따르고 있는 페이지의 으A세 스 횟수만을 가지고 패턴을 추출하슌 방법이 가지는 문제점올 제시하고 이를 해결할 수 있는 방법으로 페이지의 소요 시간을 고려하는 방법올 제안하였다. 또한, 각 페이지를 나타내는 노드의 색을 달리 표현함으로써 사용자가 각 페이지의 특성을 이해하기 쉽도록 하였다. 위의 경우에는 액세스 횟수를 기준으로 표현하였는데 페이지의 소요 시간을 기준으로도 표현 가 능하며 이것은 사용자가 관심 있어 하는 즉, 오랜 시간을 두고 본 페이지를 이해하는데 도움을 줄 수 있을 것이다.
• 위의 경우에는 액세스 횟수를 기준으로 표현하였는데 페이지의 소요 시간을 기준으로도 표현 가 능하며 이것은 사용자가 관심 있어 하는 즉, 오랜 시간을 두고 본 페이지를 이해하는데 도움을 줄 수 있을 것이다. 본 논문에서는 페이지의 소요 시간만을 주가하였는데 이외에도 사 용자가 현재 보고 있는 페이지를 스크롤 하는 정도, 윈도우의 크기 조절 여부 등과 같은 요소를 더 주가할 수 있다면 보다 정확히 사용자의 관심도를 분}. 영한 웹 액세스 패턴을 추출할 수 있을 것이다.
• 액세스 경로를 표현한 그래프는 연결리스트를 이용하였고 패턴 추출은 그래프의 깊이 우선 탐색 방법을 변형하여 사용하였다. 그래프 탐색 시 각 노드를 방문하였는가의 조건 외에 액세스 횟수나 페이지 소요 시간과 같은 추가 조건을 가지고 탐색해 나가되 이러한 조건올 만족하지 않으면 더 이상 ZL 이후로 는 탐색해 보지 않는 방법을 사용하였다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기