[論文レビュー] Discovering More Accurate Frequent Web Usage Patterns

Murat Ali Bayır, İsmail Hakkı Toroslu+2 more|ArXiv.org|Apr 9, 2008

Data Mining Algorithms and Applications参考文献 24被引用数 5

ひとこと要約

本稿では、順序パターンマイニング中に大項目集合を拡張するためにウェブトポロジーを活用することで、正確性を向上させる、新しい頻度の高いウェブ利用パターン発見手法を提案する。エージェントシミュレータを用いてセッション再構築ヒューリスティクスを評価した結果、パターン発見の正確性はセッション再構築の正確性を著しく上回り、特にスマート-SRAヒューリスティクスを用いることで最大30%高い正確性を達成した。これは、第2段階で頻度が低く、複雑なナビゲーション経路がフィルタリングされるためである。

ABSTRACT

Web usage mining is a type of web mining, which exploits data mining techniques to discover valuable information from navigation behavior of World Wide Web users. As in classical data mining, data preparation and pattern discovery are the main issues in web usage mining. The first phase of web usage mining is the data processing phase, which includes the session reconstruction operation from server logs. Session reconstruction success directly affects the quality of the frequent patterns discovered in the next phase. In reactive web usage mining techniques, the source data is web server logs and the topology of the web pages served by the web server domain. Other kinds of information collected during the interactive browsing of web site by user, such as cookies or web logs containing similar information, are not used. The next phase of web usage mining is discovering frequent user navigation patterns. In this phase, pattern discovery methods are applied on the reconstructed sessions obtained in the first phase in order to discover frequent user patterns. In this paper, we propose a frequent web usage pattern discovery method that can be applied after session reconstruction phase. In order to compare accuracy performance of session reconstruction phase and pattern discovery phase, we have used an agent simulator, which models behavior of web users and generates web user navigation as well as the log data kept by the web server.

研究の動機と目的

• ウェブ利用マイニングにおける頻度の高いウェブ利用パターン発見の正確性を、パターン発見プロセスにウェブトポロジーを統合することで向上させること。
• 制御されたエージェントシミュレータを用いて、セッション再構築ヒューリスティクスの影響がその後のパターン発見正確性に与える影響を評価すること。
• パターン発見段階が、単独のセッション再構築段階よりも顕著に高い正確性を示すことを実証すること。
• ウェブトポロジーの使用により、順序パターンマイニング中の頻度の高いアイテムセットのより正確な拡張が可能になることを示すこと。
• より正確なナビゲーションパターン抽出を通じて、ウェブパーソナライゼーション、プリフェッチ、サイト再編成を向上させるためのフレームワークを提供すること。

提案手法

• 実際のユーザー行動を模倣するためのエージェントシミュレータを用い、評価用に合成サーバーログと実際のユーザーセッションを生成した。
• サーバーログに対して、リアクティブなセッション再構築ヒューリスティクス（スマート-SRAおよび時間/ナビゲーションヒューリスティクスを含む）を適用してユーザーセッションを再構築した。
• 順序パターンマイニングに適応した修正版アプローチ法を用い、再構築されたセッションから頻度の高いナビゲーション経路を発見した。
• アプローチ法の反復処理において、ウェブトポロジーを活用して大項目集合を拡張し、パターンの完全性と正確性を向上させた。
• 正確性を、エージェントシミュレータから得た実際の最大頻度パターン（MP_A）と発見された最大パターン（MP_H）の共通部分の比率として定義した（式(2)：$ A_H = \frac{|MP_A \cap MP_H|}{|MP_A|} $）。
• 8つの実験を通じて、主なパラメータ（STP、LPP、NIP、サポート）を変化させ、異なるユーザー行動モデルにおけるロバストネスとパフォーマンスを評価した。

実験結果

リサーチクエスチョン

• RQ1 異なるセッション再構築ヒューリスティクスを用いた場合、頻度の高いパターン発見の正確性はセッション再構築の正確性と比べてどの程度異なるか？
• RQ2 ウェブトポロジーを用いることで、頻度の高いナビゲーションパターン発見の正確性をどの程度向上させられるか？
• RQ3 どのようなヒューリスティクスを用いても、パターン発見段階は常にセッション再構築段階よりも高い正確性を示すのか？
• RQ4 ユーザー行動パラメータ（STP、LPP、NIP）の変化が、再構築セッションおよび発見パターンの正確性にどのように影響するか？
• RQ5 アプローチ法におけるサポートしきい値の調整により、発見されるナビゲーションパターンの頻度と数を効果的に制御できるか？

主な発見

• パターン発見段階は、常にセッション再構築段階よりも顕著に高い正確性を示し、特にスマート-SRAヒューリスティクスを用いることで、最大30%の正確性向上が達成された。
• 実験5（STP=0.20、LPP=0.20、NIP=0.20）では、すべてのヒューリスティクスおよびサポート値において最高の正確性が観察され、最適なユーザー行動モデル化が達成された。
• 実験4（STP=0.10、LPP=0.40、NIP=0.40）では、最低の正確性が記録され、パラメータ設定が再構築品質に強く影響することを確認した。
• 発見された最大頻度パターンの正確性は、常に再構築セッションの正確性よりも高かった。これは、第2段階で頻度が低く、複雑なナビゲーション経路がフィルタリングされたためである。
• アプローチ法の反復処理中にウェブトポロジーを活用して大項目集合を拡張することで、標準アプローチ法と比較してより正確で包括的なパターン発見が可能になった。
• 使用するセッション再構築ヒューリスティクスに関わらず、パターン発見段階は一貫して正確性を向上させた。これは、提案手法のロバストネスを示している。