Web Mining

Beiträge zu Web Mining

  • Knowledge Discovery in Databases, Teil IV: Der Web Utilization Miner WUM

    14. Oktober 2004 von Gebhard Dettmar

    Der WUM (Web Utilization Miner) wurde entwickelt, um dem Analysten Möglichkeiten der gezielten Abfrage seiner Daten unter Einbeziehung entscheidungskritischer Parameter zu ermöglichen und Unzulänglichkeiten in der Abfrage gegenwärtig verbreiteter Web Mining-Tools zu begegnen. Die dazu notwendigen Voraussetzungen in der Datenaufbereitung wurden in den vorausgehenden Teilen, KDD, Teil 2 und 3, beschrieben, das dem Data Mining-Anstatz entsprechende grundlegende methodische Verständnis insbesondere des Apriori-Algorithmus zur Assoziationsregelentdeckung in KDD, Teil 1. Damit sind wir in der Lage, ein unseren Anforderungen entsprechend aufbereitetes Webserverlog in WUM zu importieren und so zu analysieren, dass sowohl die Stärken wie auch unerwartete Schwachstellen im Design unseres Webauftrittes erkannt und behoben werden können. Im folgenden wird die Arbeit mit WUM beispielhaft vorgeführt, so dass jeder, der diese Serie aufmerksam verfolgt hat, in die Lage versetzt sein sollte, beliebig große und komplexe Webserver-Logfiles mit WUMprep aufzubereiten und mit WUM zu analysieren. [weiterlesen]

  • Knowledge Discovery in Databases, Teil III: Konzept Hierarchien in WUMprep

    02. April 2004 von Gebhard Dettmar

    Mit der Einführung in die grundlegenden Anwendungsbereiche und Methoden im ersten und dem Fokus auf die Datenaufbereitungsphase im zweiten Teil der Serie "KDD - Knowledge Discovery in Databases" sind die Voraussetzungen für die praktische Anwendung - die Wissensgenerierung bezüglich Kunden-/Nutzerverhaltens - geklärt. Entsprechend zeigt dieser Teil, wie mittels einer Kombination aus Semantic Web und Web Usage Mining sowohl die Datenaggregation mit Hilfe von Taxonomien und Konzepthierarchien sowie die abfragespezifische Analyse eines Webserver-Logs unter Einsatz der Mining-Tools WUMprep und WUM zur anschließenden Wissensgenerierung vonstatten zu gehen hat. Die Einbeziehung von Struktur und Semantik einzelner URLs in der Datenmodellierung verspricht eine neue Qualität der Musterentdeckung und erweitert somit die Methoden der Navigationsanalyse in diesem hochexpansiven Bereich. Die zugrundeliegende Methodik wird im folgenden an den Verhältnissen der c-o-k vorgestellt, die beschriebenen Eigenarten sind aber mutatis mutandis auf jedes themenspezifische Portal anwendbar. [weiterlesen]

  • Knowledge Discovery in Databases, Teil II - Web Mining

    15. Juni 2003 von Gebhard Dettmar

    Die Wissensgenerierung bezüglich der Nutzung von Online-Inhalten gehört im eCommerce zu den vorrangigen Interessensgebieten eines jeden Data Mining-Analysten. Zu diesem Thema haben wir im vorausgehenden 1. Teil dieser Artikelserie besonderen Wert auf die Beschreibung einiger Algorithmen aus dem Bereich des induktiven Lernens gelegt, insbesondere den Apriori-Algorithmus[1], der zur Auffindung von Assoziationsregeln verwendet wird. Das bekannteste und meist verwendete Anwendungsbeispiel, die Warenkorbanalyse, enthält Anforderungen an den Analysten, die im Bereich des Web Mining recht ähnlich anzutreffen sind. [weiterlesen]

  • Knowledge Discovery in Databases, Teil I - Methodik und Anwendungsbereiche

    27. November 2002 von Gebhard Dettmar

    Mit einer wachsenden Bereitschaft, Informationen als wirtschaftlichen Produktionsfaktoren eine gegenüber herkömmlichen Größen wie Rohstoff, Kapital und Arbeit zunehmende Bedeutung beizumessen, steigt das Bedürfnis nach einer adäquaten, zielgerichteten Informationsauswertung und -aufbereitung mehrwertbehafteten Datenmaterials. Um aus ungeordneten, ja unüberschaubaren Datenmengen Informationen zu extrahieren, bedarf es einer eigenen Methodologie sowie technischer Umsetzungsgrundlagen, die nicht von ungefähr ihre Umsetzung hauptsächlich im eCommerce und eBusiness finden. Im folgenden sollen Einsatzbereiche der Knowledge Discovery in Databases (KDD) vorgestellt und vor allem in die grundlegenden methodischen Ansätze eingeführt werden. [weiterlesen]

  • eBusiness braucht Data Mining

    Ein auf der KnowTech 2001 gehaltener Vortrag. Der Artikel entstand mit freundlicher Unterstützung der BITKOM.

    09. Mai 2002 von Dr. Helge Petersohn

    Mit eBusiness werden Geschäftsprozesse innerhalb der Wertschöpfungskette integriert, verzahnt und weitestgehend dv-gestützt abgewickelt. eProcurement, eCommerce und Customer Relationship Management beschreiben hierfür wesentliche Teilgeschäftsprozesse, die sehr stark datengesteuert ablaufen. Für die Optimierung dieser Prozesse ist es notwendig, in die Entscheidungen zur Prozeßsteuerung aktuelle Information aus den historischen und gegenwärtigen Daten einzubeziehen. Das erfordert, große Datenbestände gezielt auszuwerten, nach Zusammenhängen zu suchen, die Entscheidern bisher verborgen geblieben sind. Data Mining gewinnt eine neue Dimension. Zur qualifizierten Anwendung von Data Mining sind umfangreiche methodische Kenntnisse erforderlich. Dies betrifft Wissen zur Methodenauswahl und Ergebnisevaluation. Ist dies bei Analytikern vorhanden, können - neben einer Unterstützung zur Hypothesengenerierung für bspw. OLAP - ganz gezielt Webdaten, bspw. für Webshops ausgewertet und kundenorientiert verarbeitet werden. Es bieten sich aber auch neue Möglichkeiten der Prozeßanalyse über die Auswertung von Daten aus Prozeßdurchläufen. Einen Schwerpunkt dieses Beitrages bildet die Vorstellung von Methodenklassen und die Anwendung von Data Mining zur Portalanalyse. Data Mining wird immanenter Bestandteil für Decision Support im eBusiness. [weiterlesen]

Benutzer

Folgende Benutzer haben zum Schlagwort Web Mining veröffentlicht

Avatar des Nutzers Gebhard Dettmar >>
Avatar des Nutzers Dr. Helge Petersohn >>