一种改进的Web日志数据预处理研究

摘要

web日志中包含大量的冗余信息,这给挖掘带来了不便.数据预处理就是处理这些冗余信息,经过数据净化、用户识别、会话识别、路径补全操作后得到能够用于挖掘的数据.本文详细介绍了预处理过程,同时对传统的会话识别算法加以改进.本文提到的实际系统是基于SQL语句的,能够显著缩短预处理时间.