Web usage mining : analisi del comportamento di navigazione e classificazione degli utenti : applicazione al sito della Biblioteca di Ateneo

Tavella, Gianluca Web usage mining : analisi del comportamento di navigazione e classificazione degli utenti : applicazione al sito della Biblioteca di Ateneo., 2004 Tesi di laurea thesis, Università degli Studi di Milano Bicocca (Italy). [Thesis]

[thumbnail of TesiTavella.pdf]
Preview
 PDF
TesiTavella.pdf
Download (1MB) | Preview

English abstract

This thesis is about web usage mining of the website of Milan Bicocca University Library.

Italian abstract

Lo scenario sopra descritto è uno delle molte possibili applicazioni di Web Usage Mining, che è il processo che impiega tecniche di data mining per la scoperta di modelli di navigazione degli utenti dai dati resi disponibili dal web, rivolto a varie applicazioni. La presente trattazione consiste in una parte teorica ed in una parte pratica. Nel capitolo 1 illustreremo il data mining in generale, i legami con le altre discipline, e l’organizzazione dei dati per realizzare l’attività di data mining. Si andranno poi a descrivere nel capitolo 2 le principali metodologie statistiche e computazionali proprie del data mining, soffermandosi in particolar modo sulle tecniche impiegate nel Web Usage Mining, oggetto principale di questa ricerca. Il Web Usage Mining verrà trattato ampiamente dal capitolo 3: in esso si esaminerà la materia dal punto di vista teorico, mostrandone le caratteristiche principali alla luce dell’evoluzione negli ultimi anni di questo nuovo campo di studi interdisciplinare. Si darà ampio spazio anche all’analisi del successo di un sito, fondamentale nel caso del commercio elettronico. Il Web Usage Mining verrà applicato nel capitolo 4 esaminando il sito della Biblioteca di Ateneo. Si analizzerà il comportamento di visita degli utenti e si classificheranno gli utenti stessi in gruppi omogenei. L’obiettivo è di migliorare la struttura del sito e di consentire quindi una più facile navigazione tra le pagine che risulteranno correlate. Si potrà suggerire anche una personalizzazione dei percorsi di visita in base al diverso gruppo in cui ogni utente andrà a far parte.

Item type: Thesis (UNSPECIFIED)
Keywords: Web Mining, Data Mining
Subjects: C. Users, literacy and reading. > CB. User studies.
L. Information technology and library technology > LS. Search engines.
Depositing user: Maurizio di Girolamo
Date deposited: 21 Oct 2004
Last modified: 02 Oct 2014 11:59
URI: http://hdl.handle.net/10760/5535

References

Web Usage Mining. http://spazioinwind.libero.it/polar/wum

Biblioteca di Ateneo. http://www.biblio.unimib.it

ActiveState. http://www.activestate.com/

Graphviz- http://www.research.att.com/sw/tools/graphviz/

Java Technology. http://java.sun.com/

KDnuggets. http://www.kdnuggets.com

WUM e WUMprep.http://www.hypknowsys.org/

World Wide Web Consortium (W3C). http://www.w3.org/

Università degli Studi di Milano – Bicocca. http://www.unimib.it

Berendt B. 2002. Using site semantics to analyze, visualize, and support navigation. Data Mining and Knowledge Discovery. 6: 37–59.

Berry M., Linoff G. 1997. Data Mining techniques for marketing, sales, and customer support. New York. Wiley.

Berry M., Linoff G. 2001. Data mining. Milano. Apogeo.

Berthon P., Pitt L.F., Watson R.T. 1996. The world wide web as an advertising medium. Journal of Advertising Research, 36: 43–54.

Bishop C. 1995. Neural networks for pattern recognition. Oxford. Clarendon Press.

Breiman L., Friedman J.H., Olshen R., Stone C.J. 1984. Classification and regression trees. Belmont. Wadsworth.

Camillo F., Tassinari G. 2002. Data mining, web mining e CRM: metodologie, soluzioni e prospettive. Milano. FrancoAngeli.

Chang G. 2001. Mining the world wide web : an information search approach. Boston Kluwer Academic.

Del Ciello N., Dulli S., Saccardi A. 2000. Metodi di Data Mining per il Customer Relationship Management. Milano. FrancoAngeli.

Eirinaki M., Vazirgiannis M. 2003. Web mining for web personalization. ACM Transactions on Internet Technology, 1: 1-27.

Facca F.M., Lanzi P.L. 2003. Recent Developments in Web Usage Mining Research. Data Warehousing and Knowledge Discovery: 5th International Conference, DaWaK166 2003 Prague, Czech Republic, September 3-5 in Lecture Notes in Computer Science, 2737: 140-150.

Giudici P. 2001. Data Mining. Metodi statistici per le applicazioni aziendali. Milano. McGraw-Hill.

Ingrassia S., Silani S. 2000. Reti neuronali per l’analisi di dati complessi. Milano. SAS.

Kass G.V. 1980. An exploratory technique for investigating large quantities of categorical data. Applied statistics. 29: 119-127.

Mena J. 1999. Data mining your website. Boston. Digital press.

Punin J. R., Krishnamoorthy M. S., Zaki M. J. 2002. LOGML: Log Markup Language for Web Usage Mining. WEBKDD 2001 - Mining Web Log Data Across Al Customers Touch Points in Lecture Notes in Computer Science, 2356: 88-112.

Schafer J. Ben, Konstan Joseph A., Riedl John. 2001. E-commerce recommendation applications. Data Mining and Knowledge Discovery. 5: 115–153.

Spiliopoulou M. 2000. Web usage mining for Web site evaluation, Communications of the ACM, 8: 127-134.

Spiliopoulou M., Pohle C. 2001. Data Mining for Measuring and Improving the Success of Web Sites. Data Mining and Knowledge Discovery, 5: 85–114.

Srivastava J., Cooley R., Deshpande M., Tan P. 2000. Web usage mining: discovery and applications of usage patterns from Web data. ACM SIGKDD Explorations, 2: 12-23.

Thuraisingham B. 1999. Data mining : technologies, techniques, tools and trends. Boca Raton (Florida). CRC Press.

Xie Yunjuan, Phoha Vir V.. 2001. Web user clustering from access log using belief function. K-CAP 2001 - Proceedings of the First International Conference on Knowledge Capture. October 22-23: 202–208.

Zani S. 2000. Analisi dei dati statistici, volume 2: Osservazioni multidimensionali. Milano. Giuffrè.


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item
Contact us
Send email Sponsors
Sponsor: AIMS Sponsor: D&P Sponsor: UniNa CAB Get connected
Facebook Facebook Twitter Twitter Linkedin LinkedIn RSS RSS