[发明专利]一种用于Web会话聚合的关键Cookies识别方法

权利要求书

1.一种用于Web会话聚合的关键Cookies识别方法，其特征在于，步骤为：

步骤1、获取Web日志文件，提取出Web日志文件中每条记录的站点名称Site；

步骤2、以站点名称Site为分组依据将Web日志文件中的所有记录分组，使得同一站点名称Site的记录都合并到一个组，并建立其与相应站点名称Site的对应关系，第i个站点名称Site_i对应记录组List[Record]_i；

步骤3、在步骤2得到的各个记录组中提取所有包含用户信息的Cookie项的名称，并保存至不同的用户信息Cookie项名称列表，第i个站点名称Site_i对应用户信息Cookie项名称列表list[user-Cookies]_i；

步骤4、在步骤2得到的各个记录组中提取所有包含浏览网站的终端信息的Cookie项的名称，并保存至不同的终端信息Cookie项名称列表，第i个站点名称Site_i对应终端信息Cookie项名称列表list[terminal-Cookies]_i；

步骤5、将步骤3得到的各用户信息Cookie项名称列表与步骤4得到的各终端信息Cookie项名称列表以站点名称Site作为等值连接的条件进行连接操作，得到各个站点名称Site的关键Cookie项名称列表，第i个站点名称Site_i对应关键Cookie项名称列表list[key-Cookies]_i。

2.如权利要求1所述的一种用于Web会话聚合的关键Cookies识别方法，其特征在于，所述步骤3包括：

步骤3.1、利用正则表达式匹配同一记录组的所有Cookie项中是否有满足条件的邮箱信息，若有，则将包含该邮箱信息的Cookie项的名称放入与当前站点名称Site对应的用户信息Cookie项名称列表中，并进入步骤3.2，若无，直接进入步骤3.2，其中，所使用的正则表达式为：

″^([a-zA-Z0-9_＼＼.＼＼-])+＼＼@(([a-zA-Z0-9＼＼-])+＼＼.)+([a-zA-Z]{2，4})+$″；

步骤3.2、利用CookiePicker系统在同一记录组的所有Cookie项中识别出包含用户信息的Cookie项的名称放入与当前站点名称Site对应的用户信息Cookie项名称列表中。

3.如权利要求1所述的一种用于Web会话聚合的关键Cookies识别方法，其特征在于，所述步骤4包括：

步骤4.1、计算同一记录组中，各个Cookie项出现的频率：

步骤4.2、利用top-k思想，选取出现频率较高的几个Cookie项，将这些Cookie项放入与当前站点名称Site对应的终端信息Cookie项名称列表中。