[发明专利]一种用于Web会话聚合的关键Cookies识别方法

摘要

通过Cookie识别进行会话合并是Web日志预处理的关键步骤，直接影响后续的Web日志的挖掘。针对传统的会话合并存在的效率不高、准确率不高的问题，本发明提出了一种用于Web会话聚合的关键Cookies识别方法。该方法用于识别用户相关的user-Cookies和用户浏览网站终端的terminal-Cookies。该方法不仅结合的前人提出的CookiePicker系统实现了识别user-Cookies，并且利用top-k的思想识别terminal-Cookies。最终将两者结合起来形成最终的key-Cookies。本方法的优点是可以快速地识别出用户相关的Cookie信息，从而很好地应用于会话合并。

主权项

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。