张晓伟

泰山职业技术学院 山东 泰安 271000

0 引言

在计算机网络技术不断更新过程中，网络终端用户在寻找所需信息时，会搜索出大量不相关的信息，准确找到所需信息需要进一步筛选和确认，这是因为目前各网站的结构复杂化，网站中包含的内容信息量快速增加。帮助用户快速找到所需的信息资源，是网站设计时所要考虑的重要环节，即在技术上实现搜索资源的快速定位。搜索信息涉及到网络日志的数据挖掘。数据量大、不规范、不完整是网络日志数据的特点，在对网络日志数据进行数据挖掘之前，要对数据进行预处理。通过对网络日志数据的预处理可提高网络日志的规范度。

对网络日志进行预处理主要是指：网络日志的数据净化，网络用户的识别，用户会话的识别及补充路径、识别事务等。会话识别是网络日志数据预处理的重要步骤之一，会话识别的准确程度对后续其它数据的分析起到重要的作用。设计一种什么样的会话识别算法，关系到会话识别的质量。有采用将会话切分成事务最大向前引用的方法 （Park提出）；有采用立方结构模式进行数据挖掘的方法（Srivastava提出）；有采用基于时间启发式的方法（Spiliopoulou提出）；有庄力可博士等人提出的基于时间间隔的会话切分方法。其特点都是采用单一固定的时间阈值，而没有考虑用户个体之间存在的差异，可能会导致会话记录不能准确的划分，影响到会话识别的总体质量。

在网络日志数据预处理中的会话识别算法中，本文提出一种新的算法。……