1 / 12

Web Graph: optymalizacja struktury strony internetowej

Web Graph: optymalizacja struktury strony internetowej. Dmitrij Żatuchin Politechnika Wrocławska. Odkrywanie struktury serwisu webowego: skanowana jest struktura serwisu webowego do których można odwołać się poprzez URL, dane o użytkowaniu strony z systemu statystyk.

mervin
Download Presentation

Web Graph: optymalizacja struktury strony internetowej

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Web Graph:optymalizacja struktury strony internetowej Dmitrij ŻatuchinPolitechnika Wrocławska

  2. Odkrywanie struktury serwisu webowego: skanowana jest struktura serwisu webowego do których można odwołać się poprzez URL, dane o użytkowaniu strony z systemu statystyk. Analiza sposobu użytkowania serwisu webowego. Szacowanie jakości struktury serwisu webowego. Synteza zmodyfikowanej struktury serwisu webowego. Web Graph- funkcjonalność

  3. Web Graph- architektura input: URL,dane użytkowania output:nowa struktura

  4. Web Graph- analiza struktury serwisu webowego

  5. Web Graph- synteza struktury serwisu webowego

  6. Web Graph – optymalizacja metodą heurystyczną

  7. Web Graph- złożoność obliczeniowa • Wygenerowanie struktury mapy • Skanowanie – O(k|V|+|E|), gdzie k-poziomy zagłębienia • Nałożenie danych o użytkowaniu (z Google Analytics) - O(|V|+|E|) • Obliczenie parametrów grafu • io – O(1), out – O(1), reach – O(|E|) • d - O(|E| + |V|*log|V|) • Obliczenie wszystkich ścieżek w grafie – NP-trudne – O(n!) – w związku z tym obliczenia dokonywane są tylko na ścieżkach faktycznie użytych przez użytkowników serwisu w wybranym przedziale czasowym i ten wskaźnik (liczba wszystkich ścieżek) jest pomijany, a sam algorytm przez to jest heurystyką. • Algorytm promocji • Obliczenie wskaźnika Pro – O(|V|) • Sprawdzenie wszystkich węzłów i krawędzi – O(|V|+|E|) • Algorytm MST • Przemapowanie wag krawędzi O(|E|) • Obliczenie MST na nowym grafie O(ElogE)

  8. Web Graph- przykład użycia Web Graph został użyty m.in.do: analizy i badania struktury klienta webowego Jednolitego Systemu Obsługi Studentów PWr (edukacja.pwr.wroc.pl), analizy i syntezy nowej struktury serwisu konferencji International Conference on Systems Science (ICSS), analizy i syntezy wielu sklepów internetowych. Wyniki zastosowania opracowanej metodyki syntezy interfejsu są zadawalające; ułatwiają projektowanie struktur informacyjnych oraz rekomendowanie ich zmian w oparciu o dane użytkowania. Narzędzie jest przydatne w badaniach użyteczności serwisów webowych szczególnie o płaskich strukturach informacyjnych. Wyniki analizy i badań są wykorzystywane do opracowywania nowego interfejsu strony www.

  9. Web Graph- analiza struktury serwisu konferencji energia użytkowania struktury strony konferencji ICSS w czasie energia poniżej wartości progowej jest przesłanką do wykonania syntezy wartość progowa

  10. Web Graph- synteza struktury serwisu konferencji (1/2) Liczba krawędzi: 160 Liczba węzłów (poziom 1): 11 Graf przed zmianą: Energia= 659,41 Liczba krawędzi: 126 Liczba węzłów (poziom 1): 10 Graf po zmianie: Energia= 898,05 Zmiana kolejności węzłów

  11. Web Graph- synteza struktury serwisu konferencji (2/2) Zmiana kolejności węzłów oraz usunięcie jednego węzła z 1-go poziomu

  12. Dziękuje za uwagę

More Related