摘 要
本文结合网络日志数据挖掘技术，通过对Frame页面和SubFrame页面进行分析，提出基于改进的Frame页面数据挖掘预处理方法。该方法从SubFrame页面信息着手，从而提高预处理过程中的信息识别能力。实验表明，该方法在网络日志的数据挖掘预处理过程中，有效提高了信息的精准度。
【关键词】数据挖掘 Frame页面 SubFrame页面
1 引言
随着互联网技术的迅猛发展，简单的信息搜索技术已经不能满足现阶段网络信息获取的需求。网络日志数据挖掘技术是结合网络日志用户的访问行为规律、兴趣需求等信息，加以分析，优化网络内容与网络文本文档的组织结构，以此提高网络站点的竞争力。我们发现网络日志记录往往十分庞大，传统的预处理方法，并不能很好解决日志页面对站点组织结构的影响。因此，进行网络日志预处理方法的研究，具有一定的现实意义。
对于传统的网络日志的数据挖掘，预处理阶段的Frame页面和SubFrame页面在用户会话文件出现的概率很高，这就降低了会话识别的兴趣度。因此，必须消除Frame页面对网络日志数据挖掘的影响。我们将Frame页面以及其SubFrame页面被看为一个整体，用Frame页面代替通过会话文件寻找Frame页面和Subframe页面，并剔除多余的页面，以提高日志数据挖掘的兴趣性。
2 改进的Frame页面数据挖掘预处理方法
通过对Frame页面过滤方法，结合实际情况分析，我们利用ID3决策树算法，提出基于改进的Frame页面过滤方法，以提高网络日志数据挖据的效率。该方法如下：
输入：FS表（pidframne ， pidsubframe）所对应的集合；集合属性包括 {index.html，top.html，left.html，main.html，…}
输出：判定策略
For each users session
{
currentframe=null
make_node（web）
if（（cerrenframe， pid， ∈FS） make_tree（currentframe，web_left）
Else if pid， ∈dom（FS）
{curremtframe pidi make_decition_tree（currentframe，web_left}
else make_decition-tree（currentframe，web_rleft
if attribute_list=null{make_decition_tree（currentframe，web_right）；}
else if（one ofattribute_list）>allgain
currentframe=test-attribute；
make_decition（ai，web_left）
Else generate_decision_tree（ai，web_right）
}
上述策略认为，访问站点的页面为根节点，具有信息增益最高的特征，currentframe变量记录web当前页面pidi。若当前页面pidi不属于frame页面，则归类左子树，反之当前页面pidi归入右子树。即pid，∈DOM（FS）。而frame页面的subframe页面归类左子树。这样一来，frame页面为决策树右树，subframe页面为决策树左树，subframe页面在会话识别阶段得到保留，以便后续路径补充。该方法优化了站点的组织结构，较好提升了网络日志数据预处理效率。
3 实验分析
我们通过Frame页面过滤预处理方法实验，验证本文提出的改进方法。实验提取700个日志所记录的访问页面，共20万条日志文件，结合本文提出的改进Frame页面网络日志数据挖掘预处理方法，与传统页面预处理方法进行对比测试。结果如表1所示。
在表1中，绝对支持度表示用户频繁访问页面的最小会话数，FSi表示用户频繁访问页面集合数，*为用户不感兴趣的页面集，△表示页面集是用户感兴趣的，△△表示页面集用户感兴趣程度加强。实验表明，改进Frame页面过滤方法相比传统方法，预处理结果得到提高，因此，网络日志的数据挖掘效率得到加强。
4 小结
本文通过对网络日志数据挖掘预处理技术进行分析，结合预处理过程中的实际情况，着重考虑SubFrame页面剔除对站点组织结构的影响，提出了改进的Frame页面网络日志数据挖掘预处理方法，实验表明，该方法较好的提高了网络日志数据挖掘的预处理精度和效率。
参考文献
[1]方元康等.一种改进的Web日志会话识别方法[J].计算机技术与发展，2008，18（11）：214-216.
[2]朱明.数据挖掘[M].合肥：中国科技大学出版社，2008：13-56.
[3]朱志国等.持久偏爱的Web用户访问路径信息挖掘方法[J].情报学报，2010，29（2）.
[4]凌海峰等.基于混合蚁群算法的web用户会话聚类[J].计算机工程与应用，2013（22）.
[5]韩法旺.Web日志挖掘数据预处理过程研究[J].南京工业职业技术学院学报，2012（2）.
[6]凌海峰等.基于聚类的web用户会话识别优化方法[J].计算机应用研究，2012（8）.