Web Mining นิยามกระบวนการใช้เทคนิค Data Mining เพื่อแยกรูปแบบ แนวโน้ม และข้อมูลที่เป็นประโยชน์ โดยทั่วไปด้วยความช่วยเหลือของเว็บ โดยจัดการจากบันทึกและบริการบนเว็บ Server Logs และ Hyperlinks วัตถุประสงค์ของ Web Mining คือค้นหา Designs ใน Web Records โดยการรวบรวมและวิเคราะห์ข้อมูลเพื่อรับ Insights ที่สำคัญ
Web Mining สามารถมองได้เป็น Software ของ Adapted Data Mining Approaches สำหรับ Internet ในขณะที่ Data Mining นิยามเป็น Application ของ Algorithm เพื่อค้นหารูปแบบบนข้อมูลที่มีโครงสร้างโดยทั่วไป ติดตั้งในกระบวนการค้นพบความรู้
Web Mining มีคุณสมบัติเฉพาะที่เสนอชุดข้อมูลหลายประเภท เว็บมีหลายองค์ประกอบที่ให้หลายแนวทางสำหรับกระบวนการขุด รวมถึง Web Pages รวมข้อความ Web Pages เชื่อมต่อผ่าน Hyperlinks และ Customer Activity ติดตามได้ผ่าน Web Server Logs
กฎของ Web Usage Mining หลัก
1. Preprocessing (การเตรียมข้อมูลก่อน)
Web Usage Log ไม่ได้อยู่ในรูปแบบที่เข้าถึงได้โดย Mining Applications สำหรับข้อมูลบางส่วนที่จะใช้ใน Mining Application ข้อมูลอาจต้อง Reformat และ Cleanse มีบางประเด็นเฉพาะที่เกี่ยวข้องกับการใช้ Weblogs มีขั้นตอนบางอย่างใน Processing Phase รวมถึง Cleansing, User Identification, Session Identification, Path Completion และ Formatting
2. Data Structure (โครงสร้างข้อมูล)
มีโครงสร้างข้อมูลเฉพาะหลายอย่างที่เสนอเพื่อติดตาม Patterns ที่ระบุระหว่างกระบวนการ Web Usage Mining โครงสร้างข้อมูลพื้นฐานที่ใช้เรียกว่า Tree Tree เป็น Rooted Tree ที่แต่ละ Path จาก Root ไป Leaf แสดง Sequence Trees สามารถจัดเก็บ Strings สำหรับ Pattern Matching Applications ปัญหาเดียวของ Trees คือความต้องการพื้นที่ (Space Requirements)
3. Pattern Discovery (การค้นพบรูปแบบ)
เทคนิค Data Mining ที่พบบ่อยที่สุดที่ใช้บน Clickstream Data คือการแยก Traversal Patterns Traversal Pattern คือกลุ่มของ Pages ที่ผู้ใช้ตรวจสอบใน Session ประเภท Pattern อื่นๆ อาจถูกค้นพบโดย Web Usage Mining Patterns ถูกค้นพบโดยการใช้ Combinations ต่างๆ ที่ใช้ค้นพบ Features ต่างๆ และเพื่อวัตถุประสงค์ต่างๆ
4. Pattern Analysis (การวิเคราะห์รูปแบบ)
เมื่อ Patterns ถูกค้นพบ พวกเขาต้องวิเคราะห์เพื่อกำหนดว่าข้อมูลนั้นสามารถใช้ได้อย่างไร บาง Patterns สามารถลบและไม่ได้กำหนดให้เป็นที่สนใจ Pattern Analysis เป็นขั้นตอนการมองและตีความผลลัพธ์ของกิจกรรม Discovery ไม่จำเป็นต้องระบุเพียง Frequent Traversal Patterns แต่ยังระบุ Patterns ที่น่าสนใจเพราะความเป็นเอกลักษณ์หรือคุณสมบัติทางสถิติ
