A generic Data Mart architecture to support Web mining
Notice bibliographique
Résumé
Visits in a Web site leave behind important information about the behavior of the visitors. This information is stored in log files, which can contain many registers but part of them do not contain relevant information. In such cases, user behavior analysis turns out to be a complex and time-consuming task. In order to analyze Web site visits, the relevant information has to be filtered and studied in an efficient way. We introduce a generic Data Mart architecture to support advanced Web mining, which is based on a Star model and contains the relevant historical data from visits to the Web site. Its fact table contains various additive measures that support the intended data mining tasks, whereas the dimension tables store the parameters necessary for such analysis, e.g. period of analysis, range of pages within a session. This generic repository allows one to store different kinds of information derived from visits to a Web site, such as e.g. time spent on each page in a session and sequences of pages in a session. Since the Data Mart has a flexible structure that allows one to add other interesting parameters describing visitors navigation, it provides a flexible research platform for various kinds of analysis. Based on these sources, user behavior can be characterized and stored in user behavior vectors that serve as input for data mining. For example, similar visits can be grouped together and typical user behavior can be identified, which allows improvement of Web sites and an understanding of user behavior. The application of the presented methodology to the Web site of a Chilean university shows its benefits. We analyzed visits to the respective Web site and could identify clusters of typical visitors. The analysis of these clusters is used for improved online marketing activities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».