100 likes | 216 Views
Webbányászat (web mining). Mártonffy A: Kutakodom, tehát vagyok cikke nyomán. Webbányászat területei. Nyéki (2007). Webtartalom-bányászat. web content mining, területei (Nyéki, 2007): web szövegbányászat, intelligens keresőügynökök, információ-szűrés és kategorizálás,
E N D
Webbányászat (web mining) Mártonffy A: Kutakodom, tehát vagyok cikke nyomán
Webbányászat területei Nyéki (2007)
Webtartalom-bányászat • web content mining, • területei (Nyéki, 2007): • web szövegbányászat, • intelligens keresőügynökök, • információ-szűrés és kategorizálás, • web lekérdező rendszerek; • módszertan: Bodon F.: Adatbányászati algoritmusok, Webes adatbányászat c. fejezete, • példa: Google Page Rank.
Webstruktúra-bányászat • web structure mining, • területei (Nyéki, 2007): • látogatási struktúra elemzése, • klikkelés-sorozatok elemzése, • web site-ok tervezési stratégiája; • példa: Zsiros P.: BDF website elemzése az SPSS Clementine Web Mining segítségével minőségbiztosítás céljából.
Webhasználat-bányászat • web usage mining, • területei: • látogatók szokásainak, magatartásmintáinak tanulmányozása (Nyéki, 2007), • látogatók tevékenységének előrejelzése és ösztönzése (Mártonffy, 2006), • webszolgáltatás minőségének javítása, webszerver teljesítményének optimalizálása (Bóta, 2007). • webnaplók és/vagy web bug elemzésén alapul, • példa: Amazon mátrix, Bóta L. írásai
Webnaplók • weboldal elérése esetén a webszerver által készített bejegyzés, • tartalma: • a kérés kiindulási helyének IP címe, • a kérés pontos ideje, • a kért URL cím, • egyéb adatok. Bóta, 2007
Amazon példa • „webes kosár”: együttesen vásárolt termékekre vonatkozó adatok aktuális kattintás utáni ajánlatok, • bejelentkezett felhasználók múltbéli cselekedeteinek (vásárlás és keresés) adatai hasonló új termékek ajánlata, • előzmények: előzőleg meglátogatott (akár más szerveren lévő) lapok adatai, • keresések adatai kifinomult keresés/kevés találat: öntudatos vásárló, illetve elnagyolt keresés/sok találat: útmutatásra, támogatásra szoruló látogató, • kérdőívek válaszai és valós cselekedetek összevetése miért vásárolt az, akinek nem volt szándékában és miért nem vásárol az, aki tervezte.
Privacy kérések • adatszerzés webbuggal, • hálózati befolyás: azon felhasználók jellemzése, akik képesek másokat vásárlásra ösztönözni, • megadott vásárlói adatok felhasználása (szavatosság, vásárlásösztönzés).
Telefonnal a zsebünkben… • helymeghatározás (GPS révén) + vásárlói szokások ismerete (böngészős telefonok) azonnali helyzettudatos üzleti ajánlatok, • modellezheti a tulajdonos viselkedését az összegyűjtött kommunikációs adatok alapján (két megbeszélés közötti időben emlékeztet, hogy kenyeret kell venni…)
Irodalom • Mártonffy Attila (2006): Kutakodom, tehát vagyok (http://www.itbusiness.hu/files/pdf/PDFOLD/3693.pdf) • Nyéki Lajos (2007): A COEDU e-learning keretrendszer használatának elemzése (http://bmf.hu/conferences/multimedia2007/26_NyekiLajos.pdf) • Bodon Ferenc (2008): Adatbányászati algoritmusok (http://www.cs.bme.hu/~bodon/magyar/adatbanyaszat/tanulmany/adatbanyaszat.pdf) • Zsiros Péter (2007): BDF website elemzése az SPSS Clementine Web Mining segítségével minőségbiztosítás céljából (http://bmf.hu/conferences/multimedia2007/6_ZsirosPeter.pdf) • Hullám Gábor (2005): A web bug technológia — barát vagy ellenség? (http://pet-portal.eu/files/articles/2005/03/hullam_web_bug.pdf) • Bóta László (2007): Az Eszterházy Károly Főiskola honlapjának elemzése webbányászati módszerek felhasználásával (http://bmf.hu/conferences/multimedia2007/27_BotaLaszlo.pdf)