[发明专利]一种Web日志预处理中基于UUID的会话合并方法

摘要

本发明涉及一种Web日志预处理中基于UUID的会话合并方法，其特征在于，步骤为第一步、识别和收集各个网站Cookie中用于标识UUID的UUID字段名称，建立不同网站域名与UUID字段名称之间的对应关系；第二步、在用于Web日志挖掘的数据中，为每一行标记有会话ID的web日志记录增加一个UUID字段；第三步、将含有相同UUID字段值的会话合并至一个会话中。本发明提出了一种Web日志预处理中基于UUID的会话合并方法，创新性地提出了自动识别UUID字段标识符，然后将UUID相同的会话合并成一个大集合的会话。

主权项

一种Web日志预处理中基于UUID的会话合并方法，其特征在于，步骤为：第一步、识别和收集各个网站Cookie中用于标识UUID的UUID字段名称，建立不同网站域名与UUID字段名称之间的对应关系：通过特定浏览器实例访问不同的指定网站，收集每个网站的Cookie数据，对Cookie数据的集合进行UUID预处理，从UUID预处理得到的结果中筛选出符合UUID特征的当前网站Cookie中用于标识UUID的UUID字段名称，获取某一网站S的用于标识UUID的UUID字段名称的具体步骤为：步骤1.1、用户使用特定浏览器实例循环访问指定的网站S至少N次，N≥2，每次访问时，提取特定浏览器实例中与该网站S相关的Cookie数据组成集合，第j次访问时，j＝1,2,…,N，提取到的集合记为Ci，则可得到N个集合，C1,…,CN；步骤1.2、计算得到N个集合的交集D，则有D＝C1∩…∩CN；步骤1.3、重置特定浏览器实例中的Cookie数据，重新访问网站S，提取该特定浏览器实例中与网站S相关的Cookie数据组成集合Cx；步骤1.4、计算交集D与集合Cx的差，得到集合E，则有E＝D‑Cx；步骤1.5、获取特定浏览器访问网站S的所有历史Cookie数据的集合CS；步骤1.6、在集合E中去除集合CS中用户代理UserAgent不同但域值相同的字段域，生成集合E(a)；步骤1.7、在集合E(a)中去除集合CS中同时存在的相同域值与不同域值的不同部分，生成集合E(b)；步骤1.8、在集合E(b)中选取生存时间TTL最大且最长的识别串作为与当前网站S的域名相对应的UUID字段名称；第二步、在用于web日志挖掘的数据中，为每一行标记有会话ID的web日志记录增加一个UUID字段，其中，为第i行标记有会话ID的web日志记录增加UUID字段的步骤为：步骤2.1、依据第i行标记有会话ID的web日志记录的URL字段提取网站域名；步骤2.2、找到与当前网站域名相对应的UUID字段名称；步骤2.3、从第i行标记有会话ID的web日志记录的Cookie字段找到步骤2.2得到的UUID字段名称所对应的UUID字段值；步骤2.4、为第i行标记有会话ID的web日志记录增加一个以步骤2.2得到的UUID字段名称命名的UUID字段，其值为通过步骤2.3获得的UUID字段值；第三步、将含有相同UUID字段值的会话合并至一个会话中。