Web Usage Mining: a Practical Study

• Autorzy: Johan Huysmans , Bart Baesens , Jan Vanthienen
• Języki publikacji: EN

Abstrakty

EN

This paper focuses on one of the more recent developments in data mining, namely web usage mining. The goal of web usage mining is to extract useful knowledge from the data that web servers store about the behaviour of their visitors. Insight in the navigational behaviour of their customers is very important for an online shop because it might result in an increased profitability. But also other types of sites can profit from this knowledge. In this paper a brief overview is given of the different steps one has to go through when performing web usage mining. The discussed techniques are applied on the data of an online wine shop. Some of the results of this study and the practical implications for the wine shop are also treated in this paper. (original abstract)

W artykule zajęto się jednym z bieżących aspektów w pozyskiwaniu wiedzy, a mianowicie, analizą użycia sieci. Celem analizy użycia sieci jest pozyskiwanie potrzebnej wiedzy z danych jakie serwery sieci przechowują (gromadzą) na temat zachowania osób odwiedzających je. W artykule zamieszczono przegląd kolejnych kroków, które należy podjąć w celu dokonania analizy użycia sieci. Omówione techniki zastosowano na danych winiarni dostępnej online. Niektóre z wyników tego studium i praktyczne implikacje dla winiarni zostały również omówione w niniejszej pracy. (AŁ)

Słowa kluczowe

EN

Knowledge management; Information behaviours; Network servers; Case study

PL

Zarządzanie wiedzą; Zachowania informacyjne; Serwery sieciowe; Studium przypadku

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2004
• Numer: nr 1011 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 86--99

Twórcy

autor

Johan Huysmans

autor

Bart Baesens

autor

Jan Vanthienen

Bibliografia

• Agrawal R., Imielinski T. & Swami A. (1993). Mining Association Rules between Sets of Items in Massive Databases. In Proc. of the ACM SIGMOD International Conference on Management of Data, Washington D.C., USA.
• Catledge L. & Pitkow J. (1995). Characterizing Browsing Strategies in the World-Wide Web. Journal of Computer Networks and ISDN systems, Volume 27, nr. 6.
• Chen M.-S., Park J. S. & Yu P.S. (1996). Data Mining for Path Traversal Patterns in a Web Environment, In Proceedings of the 16th International Conference on Distributed Computing Systems, pp. 385-392.
• Cooley R., Mobasher R. & Srivastava J. (1999) Data Preparation for Mining World Wide Web Browsing Patterns. Knowledge and Information Systems, volume 1.
• Cooley R. (2000). Web Usage Mining: Discovery and Application of Interesting Patterns from Web Data. Ph.D. Thesis. University of Minnesota.
• Etzioni O. (1996). The world wide web: Quagmire or gold mine. Communications of the ACM, 39(11).pp 65-68.
• Huysmans J. (2003). De toepassing van web usage mining op een on-line ondememing. Verhandeling aangeboden tot het behalen van de graad van handelsingenieur in de beleidsinformatica, Katholieke Universiteit Leuven.
• Santens J. (2003). Web usage mining en web market basket analyse: van groot belang voor een e- commerce hedrij/. Veihanael'mg aangeooden tot net behalen van de graad van handelsingenieur in de beleidsinformatica, Katholieke Universiteit Leuven.
• Srivastava J., Cooley R., Deshpande M. & Tan P-N. (2000). Web Usage Mining: Discovery and Applications of Usage Patterns f rom Web Data. Web Data, SIGKDD Explorations, Vol. 1, Issue 2. pp. 12-23.
• Tan P.N., Kumar V. (2002). Discovery of Web robot sessions based on their navigational patterns. Data Mining and Knowledge Discovery.
• Wong P.C., Whitney P. & Thomas J. (1999) Visualizing Association Rules for Text Mining. Proceedings of IEEE Information Visualization '99, Los Alamitos, CA. IEEE CS Press.