埃内斯蒂娜·梅纳萨尔瓦斯;米兰，索科罗;何塞·M·佩纳。;迈克尔·哈吉米歇尔;奥斯卡·马班 子会话：点击路径分析的粒度方法。 （英语） Zbl 1078.68543号 《国际情报杂志》。系统。 19，第7期，619-637（2004）. 摘要：激烈竞争的网络电子商务环境使得有必要应用智能方法来收集和分析从消费者网络会话中收集的信息。用户行为和会话目标的相关知识可以从收集到的用户活动信息中发现，这些信息通过网络点击进行跟踪。大多数当前的客户行为分析方法通过检查每个网页访问来研究用户会话。然而，子会话的抽象提供了更精细的用户活动视图。在这里，我们提出了一种方法，通过在会话中隔离有用的子会话来增加用户会话分析的粒度。每个子会话代表一个高级用户活动，例如执行购买或搜索特定类型的信息。给定一组先前确定的子会话，我们可以通过跟踪用户单击来确定用户在哪一点开始预先确定的子对话。有了这些信息，我们可以（1）通过预处理页面来优化用户体验，或（2）根据我们对用户最终目标的估计，通过呈现页面来提供适应性用户体验。为了识别子会话，我们提出了一种计算频繁点击路径的算法，从中可以分离出子会话。该算法通过扫描所有用户会话并使用距离函数确定子路径相似性来提取所有频繁子路径。每个频繁子路径代表一个子会话。对子会话表示的页面的分析提供了有关用户通常执行的语义相关活动的附加信息。 MSC公司： 68M10个 计算机系统中的网络设计和通信 关键词：粒度 软件：INSITE公司 PDF格式BibTeX公司 XML格式引用 \textit{E.Menasalvas}等人，《国际情报杂志》。系统。19，第7号，619--637（2004；Zbl 1078.68543） 全文： DOI程序 参考文献： [1] Etzioni，《万维网：夸格米尔还是金矿？》？，Commun ACM 39（11）第65页–（1996）·数字对象标识代码：10.1145/240455.240473 [2] Mobasher B Jain N Han E Srivastava J Web挖掘：来自WWW事务的模式发现1997 558 567 [3] Perkowitz M Etzioni O自适应网站：自动合成网页1998 727 732·Zbl 0938.68514号 [4] 国家实验室http://www.statlab.cam.ac.uk/sret1/analalog网站2004 [5] 布特尔http://www.boutel.com/wusage2004 [6] 贝聿铭，《人工智能讲义》第396页——（2000） [7] Borges，捕捉网络导航模式的细粒度启发式方法，SIGKDD Explorations 2（1）第40页–（2000） [8] Borges，挖掘高质量用户web导航模式的启发式（1999） [9] Borges J Levene M捕获更长用户web导航模式的启发式方法1875年计算机科学讲稿英国伦敦施普林格大学2000年155 164 [10] Shahabi C Banaei-Kashani F Faruque J Faisal A特征矩阵：高效匿名网络使用挖掘模型计算机科学讲稿2115 Springer-Verlag London，UK 2001 280 294·Zbl 0986.68646号 [11] Schechter，《使用路径配置文件预测HTTP请求》，计算网络ISDN系统30（1-7），第457页–（1998年）·doi:10.1016/S0169-7552（98）00106-8 [12] Mobasher B Dai H Luo T中川M Witshire J 2000http://robots.stanford.edu/ronnyk/WEBKDD2000/papers网站/ [13] Chen，路径遍历模式的高效数据挖掘，IEEE Trans-Knowl data Eng 10（2）第209页–（1998）·数字对象标识代码：10.1109/69.683753 [14] Berendt B Mobasher B Nakagawa M Spiliopoulou M网站结构和用户环境对网络使用分析中会话重建的影响人工智能课堂讲稿2703 Springer-Verlag Berlin 2002 159 179 [15] Spiliopoulou，Web使用分析中会话重建启发式评估框架，Informs J Compute 15 pp 171–（2002）·Zbl 1238.68036号 ·doi:10.1287/ijoc.15.2.171.14445 [16] 基于内容分布和访问模式相关性的Kato H Nakayama T Yamane Y导航分析工具2000 95 104 [17] Spiliopoulou M Faultich L Wilkler K 1999年http://etupc19.wiwi.uni-karlsruhe.de/webmining/bib/pdf/Spiliopoulou1999b.pdf [18] Spiliopoulou S Pohle C Faultich L使用web使用挖掘提高网站效率Berlin Springer 1999 142 162 [19] Mobasher B Jain N Han E Srivastava J Web挖掘：来自WWW事务的模式发现1997 558 567 [20] Wolfang G Lars S Mining web导航路径片段2000 105 110 [21] Garofalakis MN Rastogi R Seshadri S Shim K数据挖掘和网络：过去、现在和未来1999 43 47 [22] Shahabi C Zarkesh AM Adibi J Shah V从用户网页导航中发现知识英国伯明翰IEEE计算机学会1997 20 31 [23] Shahabi C Faisal A Kashani FB Faruque J INSITE:2000年用户网络导航实时知识发现工具 [24] Shahabi C Faisal A Kashani FB Faruque J Insite：解释用户的工具？与网络空间的交互德国Morgan Kaufmann 2000 635 638 [25] Mobasher B WebPersonalizer:一个基于web使用挖掘的服务器端推荐系统2001 [26] Andersen J Giversen A Jensen AH Larsen RS Pedersen TB Skyt J使用子章节分析点击流纽约ACM出版社2000 25 32 [27] Kimball，The data webhouse toolkit:Building The Web-enabled data warehouse（2000年） [28] Cooley，挖掘万维网浏览模式的数据准备，知识信息系统。1（1）第5页–（1999） [29] 网址：www.abrace.com 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。