[論文レビュー] Significant Interval and Frequent Pattern Discovery in Web Log Data

Kanak Saxena, Rahul Shukla|arXiv (Cornell University)|Feb 5, 2010

Data Mining Algorithms and Applications参考文献 11被引用数 14

ひとこと要約

本稿では、1パス頻度エピソード発見（FED）アルゴリズムを用いて、ウェブログデータ内の有意な時間間隔および頻出パターンを発見する新しい手法を提案する。時間的周期（例：1日、1週間）に沿って時系列データを折りたたむことで、ユーザーが指定した最小信頼度および最大長さに基づき有意な時間間隔を特定し、ターゲティング広告応用におけるユーザー行動の正確な予測およびウェブサイト関心の特定を可能にする。

ABSTRACT

There is a considerable body of work on sequence mining of Web Log Data. We are using One Pass frequent Episode discovery (or FED) algorithm, takes a different approach than the traditional apriori class of pattern detection algorithms. In this approach significant intervals for each Website are computed first (independently) and these interval used for detecting frequent patterns/Episode and then the Analysis is performed on Significant Intervals and frequent patterns That can be used to forecast the user's behavior using previous trends and this can be also used for advertising purpose. This type of applications predicts the Website interest. In this approach, time-series data are folded over a periodicity (day, week, etc.) Which are used to form the Interval? Significant intervals are discovered from these time points that satisfy the criteria of minimum confidence and maximum interval length specified by the user.

研究の動機と目的

• ウェブログデータから頻出パターンをマイニングする際の従来のアプローチに基づくアルゴリズムの限界を解決すること。
• 周期的なウェブアクセスパターンから導出される有意な時間間隔に焦点を当てることで、ユーザー行動予測の精度を向上させること。
• 再発するユーザー関心パターンを特定することで、パーソナライズ広告などの実用的応用を可能にすること。
• パターンマイニングの前段階で、各ウェブサイトごとに有意な時間間隔を独立して計算する手法を導入し、関連性と効率性を向上させること。
• 有意な時間間隔および頻出エピソードから抽出された歴史的トレンドを用いて、ユーザー行動の予測を支援すること。

提案手法

• 手法は、選択された周期（例：1日または1週間サイクル）に沿って、元のウェブログ時系列データを折りたたむことから始める。
• 折りたたまれた時系列データを分析して、ユーザーが定めた最小信頼度および最大長さの制約を満たすセグメントを特定することで、有意な時間間隔を同定する。
• 1パス頻度エピソード発見（FED）アルゴリズムを有意な時間間隔に適用し、頻出パターン（エピソード）を抽出する。
• FEDアルゴリズムは1回のパスでデータを処理するため、従来のアプローチに基づくアプローチと比較して計算効率が向上する。
• 得られた頻出パターンを分析して、ユーザー行動のトレンドおよびウェブサイト関心パターンを推定する。
• 本アプローチにより、発見された時間的パターンに基づくユーザー関心予測やターゲティング広告などの後続応用が可能になる。

実験結果

リサーチクエスチョン

• RQ1 ウェブログデータにおいて、意味のあるユーザーアクセスパターンを反映する有意な時間間隔を自動的に発見する方法は何か？
• RQ2 時系列データの周期的折りたたみが、有意な時間間隔の特定に与える影響は何か？
• RQ3 1パスFEDアルゴリズムは、従来のアプローチに基づくアルゴリズムと比較して、効率性およびパターン発見の正確性においてどのように異なるか？
• RQ4 有意な時間間隔から抽出された頻出パターンは、将来のユーザー行動をどの程度正確に予測できるか？
• RQ5 発見されたパターンを、ターゲティング広告などの実用的応用にどのように活用できるか？

主な発見

• 提案手法は、ユーザーが指定した信頼度および長さ制約に基づき、ウェブログデータ内の有意な時間間隔を効果的に同定できた。
• 周期的折りたたみの適用により、再発するアクセスパターンの検出が向上し、発見された時間間隔の関連性が向上した。
• 1パスFEDアルゴリズムにより、複数回のデータベーススキャンを必要とせず、頻出エピソードの効率的発見が可能になった。
• 有意な時間間隔から抽出された頻出パターンは、ユーザー行動トレンドと強く相関しており、信頼性の高い予測が可能であることが示された。
• 本アプローチにより、ウェブサイト関心の予測や時間的ユーザー行動パターンに基づくターゲティング広告の配信といった実用的応用が可能になった。
• 本手法は、従来のアプローチに基づくアルゴリズムと比較して、計算効率が優れており、同時に高いパターン関連性を維持している。