Vorverarbeitung von Web-Daten — Pre-Processing

Abstract

Rohe Logfile-Daten als Ausgangspunkt eines Web-Mining-Projektes besitzen einige Defizite: Zunächst ist eine Vielzahl von protokollierten Zugriffen in den Logfiles für weitere Auswertungen nicht von Interesse. Wichtig für die Analyse sind im Allgemeinen nur diejenigen Elemente, die vom Benutzer explizit angefordert werden, nicht aber diejenigen, die automatisch vom Client des Benutzers mitgeladen werden (sogenannte Auxiliary Requests). Auch verwenden vor allem Suchmaschinenbetreiber häufig Computerprogramme (sogenannte Robots oder Spider), die automatisiert Web-Sites durchlaufen und ebenfalls für Einträge im Logfile sorgen.