BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Weichbroth Paweł (Gdańsk University of Technology, Poland)
Tytuł
The System Framework for Profiling the Content of Web Portals
Architektura systemu profilowania treści witryn internetowych
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Informatyka Ekonomiczna (16), 2010, nr 104, s. 186-193, rys., bibliogr. 16 poz.
Research Papers of Wrocław University of Economics. Business Informatics
Tytuł własny numeru
Data Mining and Business Intelligence
Słowa kluczowe
World Wide Web (WWW), Architektura systemu, Portale internetowe, Analiza danych
World Wide Web (WWW), System architecture, Web portals, Data analysis
Uwagi
summ., streszcz.
Abstrakt
W artykule zaprezentowano nowe podejście do profilowania treści witryn internetowych na podstawie odkrytych reguł asocjacyjnych z plików loga serwera www. Do tego celu opracowano architekturę agentową, która współpracuje z serwerami baz danych oraz www. Po krótkim wstępie, w ogólnych ramach, zostały opisane komponenty systemu. Następnie szczegółowo nakreślono proces logowania żądań użytkowników do plików, udostępnianych przez serwer www. W dalszej części pracy scharakteryzowano funkcjonalność agentów przetwarzania wstępnego, wnioskowania, dynamicznych linków oraz menedżera. Całą pracę zamyka zakończenie, w którym wskazano wybrane aspekty implementacji przedstawionego systemu.(abstrakt oryginalny)

This paper presents a novel approach to profiling the content of Web portals based on discovered association rules from www servers' log files. For this purpose there has been elaborated the agent architecture which is supported by data base and world wide web servers, After a short foreword, in general extent, a description of the system's components is given, next, the logging process of users' requests to files hosted by the www server is outlined in detail. Then, the functionality of preprocessing, reasoning, dynamic links and the manager agents is characterized. The whole work is finished by conclusions and remarks on future work, in which selected implementation aspects of presented system are pointed out.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Agrawal R., Srikant R. (1994), Fast algorithms for mining association rules, [in:] Proceedings of the Twentieth International Conference on Very Large Data Bases, Morgan Kaufmann, San Francisco, pp. 487-499.
  2. Berners-Lee T., Fielding R., Frystyk H. (1995), Hypertext Transfer Protocol - HTTP/1.0. Internet Draft, http://www.w3.Org/Protocols/HTTP/l.0/draft-ietf-http-spcc.html.
  3. Fielding R., Gettys J., Mogul J., Frystyk H., Berners-Lee T. (1997), Hypertext Transfer Protocol - HTTP/1.1. Internet Official Protocol Standards (RFC 2068), http://tools.ietf.org/html/rfc2068.
  4. Fielding R., Gettys J., Mogul J., Frystyk H., Masinter L., Leach P., Berners-Lee T. (1999), Hypertext Transfer Protocol - HTTP/1.1. Internet Official Protocol Standards (RFC 2616). http://www.w3.org/Protocols/rfc2616/rfc2616.html.
  5. Hatonen K., Boulicaut J.F., Klemettinen M., Miettinen M., Mason C. (2003), Comprehensive Log Compression with frequent patterns, DaWaK 2003, Lecture Notes in Computer Science 2737, Springer-Verlag, Berlin, pp. 360-370.
  6. Ivancsy R., Vajk I. (2006), Frequent pattern mining in web log data, Acta Polytechnica Hungarica, Vol. 3, No. 1, Budapest, pp. 77-90.
  7. Kosala R., Blockel H. (2000), Web mining research: A survey, [in:] Newsletter of the Special Interest Group (SIG) on Knowledge Discovery and Data Mining SIGKDD, GKDD Explorations 1, Washington.
  8. Markov Z., Larose D.T (2007), Data Mining the Web. Uncovering Patterns in Web Content, Structure and Usage, John Wiley & Sons, New York.
  9. Mikulski Ł., Weichbroth P. (2009), Discovering patterns of visits on the Internet web sites in the perspective of associative models, Polish Journal of Environmental Studies, Vol. 18, No. 3B, Olsztyn, pp. 267-271.
  10. NCSA HTTPd Development Team (1996), NCSA HTTPd, http://hoohoo.ncsa.illinois.edu/.
  11. Nikodem R. (2006), Technologie sieciowe i komunikacyjne, [in:] Informatyka ekonomiczna. Cześć 1. Propedeutyka informatyki. Technologie informacyjne, Ed. J. Korczak, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław, pp. 159-190.
  12. The Apache Software Foundation (2009), Apache HTTP Server Version 2.2 Documentation, http://httpd.apache.org/docs/.
  13. Weichbroth P. (2009a), Analiza zachowań użytkowników portalu onet.pl w ujęciu reguł asocjacyjnych, [in:] Inżynieria wiedzy i systemy ekspertowe, Eds. A. Grzech, K. Juszczyszyn, H. Kwaśnicka, N.T. Nguyen, Akademicka Oficyna Wydawnicza Exit, Warszawa, pp. 81-88.
  14. Weichbroth P, Odkrywanie reguł asocjacyjnych z transakcyjnych baz danych, [in:] Informatyka ekonomiczna 14, Ed. A. Nowicki, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 82, Wrocław 2009b [forthcoming].
  15. Wen J.R. (2006), Enhancing Web search through query log mining, [in:] Encyclopedia of Data Warehousing and Mining, Ed. J. Wang, Idea Group Reference, Hershey, pp. 438-442.
  16. Yan T.W., Jacobsen M., Garcia-Molina H., Dayal U. (1996), From user access patterns to dynamic hypertext linking, Computer Networks and ISDN Systems, Vol. 28, No. 7-11, Amsterdam, pp. 1007--1014.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3858
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu