Идентификация пользователей по посещённым веб-страницам

Данная выпускная квалификационная работа посвящена исследованию методов интеллектуального анализа данных использования веб-ресурсов (далее – Web Usage Mining). В частности, была рассмотрена малоизученная по этому направлению задача по идентификации пользователей. Цель работы заключалась в разработке модели с помощью методов интеллектуального анализа данных для идентификации пользователей на основе посещённых веб-страниц. Задачи исследования включали в себя: 1. Изучение теоретических аспектов методов Web Usage Mining. 2. Определение подходящих техник для обработки данных. 3. Выбор оптимального алгоритма кластеризации для извлечения паттернов взаимодействия пользователей с веб-ресурсами. 4. Проведение сравнительного анализа нескольких классификаторов. Информационная база исследования состояла из записей лог-журналов, содержащих данные о взаимодействии с веб-ресурсами 3370 пользователей за шестимесячный период. Практическая часть работы – реализация нового метода идентификации пользователей, основанного на традиционных методах интеллектуального анализа данных и техниках извлечения знаний из веб-ресурсов и текстовых документов. Разработка модели осуществлялась по методологии CRISP-DM и состояла из трёх этапов: первичного анализа данных, подготовки данных и моделирования. Экспериментальное исследование включало не только различные подходы к моделированию данных и ансамблированию моделей, но и современные методы онлайн-обучения для обработки большого объёма данных. В ходе кластерного анализа были получены обобщённые профили, демонстрирующие наиболее распространённые шаблоны использования веб-ресурсов. Полученные в работе результаты имеют весомую практическую значимость для решения проблемы идентификации пользователей и могут быть использованы в ряде направлений: при разработке инструментов информационной безопасности, в рекомендательных системах и маркетинговых исследованиях. Ключевые слова: интеллектуальный анализ данных, машинное обучение, веб-ресурсы.