web usage minig1 web usage mining (analisi dei dati di log)
TRANSCRIPT
Web Usage Minig 1
Web Usage Mining(Analisi dei dati di log)
Web Usage Minig 2
Web Usage MiningAnalisi dei dati di log
• Introduzione– Web usage mining– Scopi dello WUM
• Processo di WUM– Fase di preprocessing
• cleaning dei dati• identificazione delle sessioni• identificazione delle page view• completamento dei traversal path • identificazione degli episode
Web Usage Minig 3
Web Mining (WM)
WM è il processo di scoperta ed analisi di informazioni utili dai documenti e servizi Web, usando tecniche di data mining.
I dati che possono essere usati nel processo di WM: Contenuto delle pagine Web Struttura della pagina (HTML o XML tags) Struttura del sito (hyperlink tra le pagine) Dati di uso (Web log) descriventi come le pagine sono accedute Profili utente includenti informazioni demografiche e di
registrazione.
Web Usage Minig 4
Finalità del WM
Capire il comportamento degli utenti Analizzare il comportamente di navigazione degli utenti per capirne le
preferenze e quindi massimizzare l’attività commerciale. Capire chi compra e che cosa compra Scoprire la % di clienti acquisiti/persi
Determinare l’efficacia di un sito Web Capire i pattern di navigazione per
migliorare la struttura del sitopersonalizzare la navigazione
Misurare il successo dell’attività di marketing Capire l’impatto sull’attività commerciale delle campagne di marketing Classificare gli utenti per personalizzare l’offerta
Misurare l’efficacia di specifici banner pubblicitari.
Web Usage Minig 5
Tassonomia di WM
Web PageContent Mining
Search Result Mining
General AccessPattern Analisys
Customized Usage Analisys
Web Mining
Web Usage Mining
Web Content Mining
Web Structure Mining
Web Content Mining
Processo di scoperta di informazioni utili dall’analisi del contenuto di dati Web.
Web Structure Mining
Processo di scoperta di informazioni utili dall’analisi della struttura del sito (hyperlink) e/o delle pagine (tags HTML o XML)
Web Usage Mining
L'insieme dei processi, delle tecniche e delle tecnologie di data analysis, finalizzato alla scoperta di significativi schemi di comportamento (pattern) dai Web server logs descriventi la navigazione degli utenti in uno o più siti Web.
Custumized Access Pattern Analisy
Adaptive sites (Pekwitz &Etzioni, 1997)Analizza i patterns di accesso di ciascun utente, uno per volta.Il sito Web ristruttura se stesso automaticamente imparando dai patterns di accesso Personalization (Suggest, 2004. WebWatcher, 1999)Fornisce raccomandazioni per aiutare la navigazione degli utenti.
General Access Pattern Analisy
Estrazione di conoscenza dai pattern di accesso alle pagine (WebLogMining, 1998, WUM, 1998, WebSIFT,1999)
Può aiutare per migliorare la struttura del sito, migliorare il caching, ecc.
Web Usage Minig 6
Web Content Mining
Il Web Content Mining (WUM) indica il processo di scoperta di informazioni utili dall’analisi del contenuto del Web.
Tale contenuto può essere non-strutturato, semi-strutturato(documenti HTML o XML) o più strutturato (tabelle, database).
Una tassonomia del Web mining divide il Web content mining in due classi: Agent Based Approach e Database Approach.
Agent Based Approach prevede l’uso di agenti che possono operare autonomamente a semiautonomamente (per uno o un calsse di utenti) per scoprire e organizzare informazioni dal Web.
Web Usage Minig 7
Web Content Mining
Gli agenti in questa classe si dividono in:
Intelligent search agent
Vanno oltre i semplici search engines, usano, ad esempio, informazioni descriventi il profilo di un
utente o classe di utenti o altre specifiche informazioni per organizzare ed interpretare le informazioni
scoperte.
Information filtering
Utilizzano tecniche di IR, informazioni sui hyperlink in uso ed eventali altri approcci per classificare i documenti.
Web Usage Minig 8
Web Content Mining
Personalization Web agents
Collaborative filtering. Raccomanda pagine che sono state prima richieste da altri utenti aventi simile caratteristicheUser registration preferenceRaccomandazioni basate sul profilo o informazioni demografiche dell’utente.Content-based filteringRaccomanda pagine che risulano, in base a qualche criterio, simili al profilo dell’utente.
Database ApproachVede i dati Web come memorizzati in un database e quindi interrogabili tramite un linguaggio di query.
Web Usage Minig 9
Web Structure Mining
E’ il processo di scoperta di informazioni utili dall’analisi della struttura del sito (hyperlink) e/o delle pagine (tags HTML o XML).
L’informazione sulla struttura del sito Web può essere usata per classificare le pagine o creare misure di similarità tra documenti.
PageRank misura l’importanza di un pagina calcolando il numero di pagine
che a questa puntano.
Web Usage Minig 10
Web Usage Mining
Il Web Usage Mining (WUM) indica l'insieme complessivo dei processi, delle tecniche e delle tecnologie di data analysis, finalizzato alla scoperta di significativi schemi di comportamento (pattern) dai Web log descriventi la navigazione degli utenti in uno o più siti Web.
I Web log possono essere esaminati dal lato client o dal lato server.
Dal lato server permettono di scoprire informazioni sul sito/siti su cui il servizio risiede, che possono essere usate, ad esempio, per migliorare la struttura del sito
Dal lato client permettono di individuare informazioni su sequenze di click (clickstrem), sul singolo utente o su gruppi di utenti, che possono usate , ad esempio, per la personalizzazione del contenuto delle pagine.
Web Usage Minig 11
Scopi dello WUM
Web Usage Mining
Personali-zation
SystemImprovement
SiteModification
BusinnessIntelligence
Usage Charac-terization
Web Usage Minig 12
Scopi dello WUM
Personalization–Dei contenuti (banner, prodotti, campagne
pubblicitarie)–Recommendation systems
• Collaborative filtering– Similarità tra le preferenze di utente e le preferenze
espresse esplicitamente da altri utenti.
• Content-based filtering – Similitudine del contenuto di una pagina con il profilo
dell’utente.
• Usage-based filtering– Basato sulla storia delle visite dell’utente
Web Usage Minig 13
Scopi dello WUM Business Intelligence
– Customer attraction – Customer retention– Cross sales– Customer departure
System Improvement– Web caching– Network trasmission– Load balancing– Intrusion detection– Fraud, etc.
Web Usage Minig 14
Scopi dello WUM
Site ModificationDettagliato feedback sul comportamento degli
utenti per: permettere al Web designer di fare scelte di
ridisegno di un sito.costruire modelli adattivi che permettono di
cambiare automaticamente la struttura di un sito in modo da adattarlo meglio alle esigenze degli utenti.
Web Usage Minig 15
Scopi dello WUM
Web Usage CharacterizationConsiste nell’analisi di dati di log per fornire
informazioni quali: numero di risultati e pagine visitate, numero di visite, browser utilizzato, file salvati, ecc. atte a caratterizzare l’uso, il contenuto e la struttura di un sito Web.
In genere sono usate tecniche adatte ad ottenere informazioni strutturate (es. tecniche statistiche) che non fanno parte delle tecniche di data mining.
Web Usage Minig 16
Scopi dello WUM
Web Usage Minig 17
Web Usage Minig 18
Sorgenti di dati per WUM
Web Usage Minig 19
Sorgenti di dati per WUM
Server level– Il server Web registra, in uno o più file, i dati
descriventi il comportamento di navigazione degli utenti.
Client level– Il client invia a un repository informazioni concernenti
il proprio comportamento. Proxy level
– L’informazione è memorizzata livello server proxy.
Web Usage Minig 20
Livello Server Dati collezionati automaticamente nei file:
– Access log file• Dati relativi alle richieste effettuate dagli utenti. Memorizzai in
vari formati, i più comuni CLF (Common Log Format) o ECLF (Extended CLF)
– Error log file• Dati relativi ad errori incorsi durante l’invio delle pagine
richieste.
– Referrer log file• Memorizza lo URL della pagina dalla quale è stata effettuata la
richesta al sito.
– Agent log file• Memorizza il nome ed il numero della versione del browser
usato dall’utente per fare la richiesta.
Web Usage Minig 21
Server access log file
IP Address indirizzo Internet della macchina da cui proviene la richiesta, può corrispondere all’indirizzo di un server proxy.
UserId presente quando la richiesta richiede l’autenticazione per accedere a determinati file. Se non disponibile compare il segno “-”.
Time tempo al quale il Web server ha ricevuto la richiestaMethod/URL/Protocol modalità di accesso al Web serverStatus codice ritornato dal server in risposta all’azione richiestaSize numero di bytes trasmessi
Formato CLF
SizeStatusMethod/URL/Protocol
TimeUserid IP Address
Web Usage Minig 22
QuickTime™ e undecompressore TIFF (LZW)
sono necessari per visualizzare quest'immagine.
Web Usage Minig 23
Server access log file
IP Address indirizzo Internet della macchina da cui proviene la richiesta, può corrispondere all’indirizzo di un server proxy.
UserId presente quando la richiesta richiede l’autenticazione per accedere a determinati file.
Time momento in cui il Web server ha ricevuto la richiestaMethod/URL/Protocol modalità di accesso al Web serverStatus codice ritornato dal server in risposta all’azione richiestaSize numero di bytes trasmessiReferrer URL del documento da cui è stata emessa la richiesta della
pagina. Agent sistema operativo e browser utilizzati dal client
Formato ECLF
Agent ReferrerSizeStatusMethod/URL/Protocol
TimeUserid IP Address
Web Usage Minig 24
Method/URL/Protocol
Method: modalità di accesso al Web server GETGET, POST e HEAD
URL: indirizzo della della risorsa nel Web server Indica il file che è stato acceduto. Quando è specificata
una directory /, è il server a decidere che cosa ritornare all’utente. Di solito il file file “index.html” or “home.html”.
Protocol: nome del protocollo di comunicazioneHTTP/1.0
Web Usage Minig 25
Status
Status codes are defined by the HTTP
protocol. Common codes include:
200: OK3xx: Some sort of Redirection 4xx: Some sort of Client Error5xx: Some sort of Server Error
Web Usage Minig 26
Server access log file
Web Usage Minig 27
Server access log file
Causa la presenza di vari livelli di caching i dati collezionati possono non essere attendibili.
Gli accessi a pagine memorizzate nella cache del client o proxy non sono registrati nei server log.
Il modello stateless del protocollo HTTP non consente l’identificazione delle sessioni.
L’informazione inviata da browser al server tramite il metodo POST non è registrata nei file di log.
Web Usage Minig 28
Tempi di richiesta/risposta di una pagina
Web Usage Minig 30
Meccanismo dei Cookie
Un cookie è un identificatore del client generato dal server web e spedito ad un browser, che, se abilitato, lo memorizza per usi successivi.
In genere, è assegnato ad un browser la prima volta che questo si collega ad un server Web.
Il messaggio è poi inviato al server Web ogniqualvolta il browser richiede una pagina a tale server Web.
Principale uso: identificare gli utenti per fornire ad esse contenuti/servizi personalizzati.
Web Usage Minig 31
Formato del Cookie
In genere costituito da 7 campi:• Dominio identificatore del server che ha creato il cookie
• Metodo specifica il metodo con cui il cookie è inviato= TRUE se inviato usando un HTTP header= FALSE se inviato tramite un Javascript
• Path specifica il sottoinsieme di URL per cui il cookie è valido
• Secure specifica se il cookie è criptato• Expiration time specifica il tempo di vita del cookie• Name identifica il cookie• Value memorizza informazioni (es. pagine visitate, scelte
effettuate, ecc)
Il meccanismo dei cookie deve essere abilitato dal client.
Web Usage Minig 32
Livello Client
Dati collezionati tramite un agente software (es. Javascript o Java applets) o con specifiche estensioni al codice sorgente del browser usato.
L’uso di un browser modificato può permette di collezionare dati descriventi gli accessi a più siti Web.
In ambedue i casi è richiesta la collaborazione dell’utente.
Rispetto al livello server ha il vantaggio di rimuovere problemi dovuti all’uso della cache e all’identificazione delle sessioni.
Web Usage Minig 33
Livello Proxy
Un proxy Web opera come un intermediario tra i brower client e i server Web.
L’informazione è memorizzata a livello server proxy.
Può riguardare più siti Web. Sono collezionati i dati dei soli client che
accedono al sito passando per il server proxy.
Web Usage Minig 34
Data modelling
Le informazioni collezionate ai vari livelli possono essere usate per identificare varie astrazioni di dato.
W3C ha definito le astrazioni di dato:– User, Page view, Click stream, User session, Server
session, Episode
relative all’uso del Web. Possono essere usate per analizzare l’uso del Web.
Web Usage Minig 35
Data modelling User: un singolo individuo che sta accedendo file da uno o
più server Web tramite un browser. Page view: insieme di file (es. frame, graphic, ecc.) che
contribuisce alla visualizzazione di una singola pagina sul browser utente.
Click-stream: una sequenza di richieste di page view. User session: click-stream di page view per un singolo
utente all’intero dell’intero Web. Server session: insieme di page view relativo ad uno
specifico sito Web (comunemente detta visita o sessione). Episode: qualsiasi sottoinsieme semanticamente
significativo di un server o user session.
Web Usage Minig 37
Fasi del Processo di WUM
Web Usage Minig 38
WUM - Preprocessing
Consiste nel convertire i dati usage, content e strucure, collezionati ad i vari livelli, nelle astrazioni di dato adatte per la fase di pattern discovery.
Informazioni sul contenuto e struttura di un sito possono essere usate per, ad esempio, limitare l’analisi a pagine che si riferiscono ad un argomento, o ad una data struttura (es. pagine tra loro collegate).
Dipende dal tipo di studio che si intende effettuare. In generale può essere vista strutturata secondo tre fasi
principali: data cleaning, user/session identification, page view identification e un fase opzionale: path completion.
Web Usage Minig 39
Fasi del preprocessing
Web Usage Minig 40
Data cleaning
E’ una fase di “pulizia” del file di log per eliminare informazioni irrilevanti o outlier, rispetto all’analisi condotta.
La richiesta di una pagina comporta il download automatico di tutti i file che la costituiscono.
Ciò comportare la registrazione di più entry nei file di log.
Un approccio comune consiste nel mantenere solo la registrazione relativa alla pagina effettivamente richiesta.
Web Usage Minig 41
Data cleaning Tipicamente sono:
cancellate registrazioni relative a: file grafici (es. .gif o .jpg), agent o spider,
normalizzate le URL ad un formato comune,Es. sample.edu, www.sample.edu, www.sample.edu/ e www.sample.edu/index.html riferiscono tutte la stessa pagina.
cancellate le registrazioni relative a agent e spider (robots.txt),
cancellate le registrazioni il cui status code è diverso da 200. cancellate le richieste effettuate con i metodi POST e
HEAD. POST di solito si riferisce a richieste CGI, HEAD è normalmente usato dai robot. Richieste che di solito non si riferiscono a richieste fatte dagli utenti.
Web Usage Minig 42
Esempio di access log file nel formato CLF IP User
IDTime Method URL Protocol Status Size
128.456.78.9 ---- 15/Jun/2001:03:04:01 GET A.html HTTP/1.0 200 3290
128.456.80.5 ---- 15/Jun/2001:03:05:41 GET A.html HTTP/1.0 200 3290
128.456.78.9 ---- 15/Jun/2001:03:10:00 GET S.gif HTTP/1.0 200 590
128.462.03.5 ---- 15/Jun/2001:03:12:31 GET robots.txt HTTP/1.0 200 1120
128.456.05.3 ---- 15/Jun/2001:03:24:01 GET C.html HTTP/1.0 200 5590
128.456.80.5 ---- 15/Jun/2001:03:27:00 GET A.html HTTP/1.0 200 3290
128.462.03.5 ---- 15/Jun/2001:03:30:23 GET D.html HTTP/1.0 200 2270
128.456.90.5 ---- 15/Jun/2001:03:34:01 HEAD A.html HTTP/1.0 200 190
IP User ID Time Method URL Protocol Status Size
128.456.78.9 ---- 15/Jun/2001:03:04:01 GET A.html HTTP/1.0 200 3290
128.456.80.5 ---- 15/Jun/2001:03:05:41 GET A.html HTTP/1.0 200 3290
128.259.28.8 ---- 15/Jun/2001:03:24:01 GET B.html HTTP/1.0 200 3000
128.456.80.5 ---- 15/Jun/2001:03:27:00 GET C.html HTTP/1.0 200 5590
128.456.78.9 ---- 15/Jun/2001:03:30:23 GET B.html HTTP/1.0 200 3000
Es. di access log file ( form.CLF) dopo la fase data cleaning
Web Usage Minig 43
Problemi relativi alla identificazione degli utenti e sessioni
Individuazione degli utenti di un sitoRicostruzione del comportamento di navigazione
degli utenti (generalmente riferito ad un singolo sito)
Uso di Proxy serverUso di connessioni al sito tramite ISP (Information
Service Provider)Individuazione dei riferimenti a pagine
memorizzate nelle cacheImpossibilità dei Web server a distingure tra
differenti visite.
Web Usage Minig 44
Metodi per l’identificazione degli utenti e delle sessioni
Software agentImplementati in Java Applet sono caricati nel client-browser una sola volta all’esecuzione della prima richiesta. Pemettono di collezionare dati relativi alle richieste successive che sono inviati al server Web.
Modified browser Il codice sorgente del browser usato può essere modificato per collezionare dati relativi alle richieste fatte all’intero Web.
IPAddress/AgentAssume che ciascuna coppia IP address/Agent identifica un utente.
Embedded session IDAlla prima richiesta fatta da un client-browser al server, quest’ultimo ritorna la pagina richiesta modificata tramite l’inclusione di un ID identificante la sessione. Le richieste a pagine successive sono ricinosciute tramite tale ID.
Web Usage Minig 45
Metodi per l’identificazione degli utenti e delle sessioni
CookieUn token è memorizzato nel client-browser. Permette di identificare facilmente gli utenti di un sito Web
Registration L’utente accede al sito Web tramite le sue informazioni di registrazione al sito stesso.
Web Usage Minig 46
Identificazione degli utenti
Web Usage Minig 47
Identificazione degli utenti e delle sessioni
Dati disponobili nei server log per identificare l’utente e le sessioni: indirizzo IP, agent e click-stream dal lato server.
Alcuni tipici problemi che si incontrano in questo caso sono:– Singolo indirizzo IP/molteplici visite– Molteplici indirizzi IP/singola visita– Molteplici indirizzi IP/singolo utente– Molteplici visite/singolo utente– Singolo client/molteplici utenti
Web Usage Minig 48
Identificazione degli utentiSingolo ind. IP/molteplici server session
Proxyserver
Webserver
Client
Client
Singolo indirizzo IP usato da più utenti
Metodo IP address & Agent non applicabile
Molteplici client-browser accedono al Web passando
per un server proxy.
Web Usage Minig 49
Identificazione degli utenti Molteplici indirizzi IP/singola server session
Webserver
Client
ISPserver
Più indirizzi IP in una server session
Metodo IP address & Agent non applicabile
Ciascuna richiesta del client-browser puòessere evasa usando un differente indirizzo IP
Web Usage Minig 50
Identificazione degli utenti
Singolo client/molteplici utentiIn questo caso abbiamo lo stesso IP usato da più utenti che in
genere usano anche lo stesso browser. Molteplici sessioni server/singolo utente
Si verifica quando un utente apre più di un browser e accede simultaneamente parti differenti di un sito Web.
In questo caso l’utente accede con lo stesso IP usando lo stesso browser o differenti browser.
Molteplici indirizzi IP/singolo utenteSi verifica quando un pool di utenti condivide la stesso insieme
di elaboratori.Un utente che accede il Web da elaboratori differenti avrà un
IP differente da una sessione all’altra sessione.
Web Usage Minig 51
Metodo Embedded Session ID
1) Client-browser emette la richiesta2) Web server riceve la richiesta
e la passa a Web application3) Recupero del contenuto (pagina)4) Web application genera lo ID e
cambia ogni href (link ad altrer pagine) nella pagina agiungendoci lo ID
5) La pagina modificata è restituita dal web server al client-browser
Le richieste a pagine successive sono riconosciute tramite lo ID
Clientbrowser
Web server
Web application
Web content
<a href =“link.htm?ID> anchor text</a>
<a href =“link.htm> anchor text</a>
1
2
3 4
5
5
Web Usage Minig 52
Identificazione delle sessioni
Una volta che l’utente è stato individuato, il click-stream (la sequenza di richieste) di ciascun utente deve essere diviso in sezioni.
La non disponibilità delle richieste fatte ad altri siti Web rende difficile conoscere quando un utente ha lasciato un sito Web.
Un timeout di 30 minuti è comunemente usato per individuare la fine di una sessione.
Se il tempo che intercorre tra due richieste successive supera il timeout si assume che l’utente abbia iniziato una nuova sessione.
Web Usage Minig 53
Identificazione delle sessioni
L’uso di tecniche quali: cookie, registration, software agent, embedded session ID e modified browser, permettono una facile individuazione delle sessioni.
Nel caso peggiore in cui si hanno solo informazioni dai logs, gli utenti e le sessioni sono considerati essere la stessa cosa.
Non c’è modo di conoscere se sessioni identificate dalla stessa coppia IP/Agent sono dello stesso utente.
Web Usage Minig 54
Metodi per l’identificazione delle sessioni
Timeout: se il tempo che intercorre tra due richieste successive supera un certo limite si assume che l’utente abbia iniziato una nuova
sessione.Referring page file: se lo referring page file per
una richiesta non fa parte della sessione corrrente si assume che la richiesta viene da una sessione differente.
IP address/agent: un agent differente per un IP identifica una sessione differente
Web Usage Minig 55
Stesso IP-Agent/Differenti sessioni (Closest)Caso in cui la coppia IP/Agent potrebbe appartenere a più di una sessione.
La richiesta è assegnata alla sessione che è più vicina alla referrer page al momento della richiesta.
Stesso IP-Agent/Differenti sessioni (Recent) Nel caso in cui si abbiamo più sessioni con la stessa
distanza dalla pagina richiesta, la richiesta è assegnata alla sessione che ha acceduto la referrer page più di recente.
Metodi per l’identificazione delle sessioni
Web Usage Minig 56
Web Usage Minig 57
Web Usage Minig 58
Web Usage Minig 59
Using referrer and agent information, 4 sessions are determined
Web Usage Minig 60
Esempio di euristica per l’identificazione delle sessioni
• Basata sui metodi: – Timeout,– IP address/agent,– Referred file,– Closest e recent.
Web Usage Minig 61
Esempio di euristica per l’identificazione delle sessioni
Heuristic Session Identify1. Let Hi = {f1, …….., fn} denote a time ordered session history2. Let lj, fj, rj, tj denote a log entry (fj request, rj referrer, tj time)3. Let T denote the session timeout4. Sort data by IP address, agent, and time 5. for each unique IP/Agent pair do 6. for each lj do 7. if ((tj – tj-1) > T) V rj {H0, …….., Hm} then8. increment i 9. add lj to Hi 10. else11. assign = Distance(H, rj)12. add lj to Hassign 13. end
Web Usage Minig 62
Esempio di euristica per l’identificazione delle sessioni
Function Distance (H,f)1. Let Hi denote a time ordered session history2. Let f denote a page file3. set min = 99994. for each Hi H do5. if f Hi
6. d i = Hi.size() - Hi.index(f)7. t i = Hi.tn - Hi.tf
8. if (d i < min) then9. assign = i 10. min = d i
11. else if (d i = min)12. if (t i < tassign)13. assign = i 14. return assign15. end
Web Usage Minig 63
Esempio di identificazione delle sessioni
Le richieste alle linee 4,5,6 e 8 sono identificate come facenti di una sessione poiché hanno un agent differente dalle altre richieste.
Le altre possono fare parte o no di una stessa sessione.
Web Usage Minig 64
Esempio di identificazione delle sessioni
# IP
Time Request Referrer
1 15:04:41 index -
2 15:04:41 1 index
3 15:04:41 A index
7 15:05:18 C 1
9 15:05:43 index -
10 15:05:43 1 index
11 15:05:45 A index
12 15:06:01 H C
13 15:06:06 B 1
14 15:06:18 2 B
15 15:06:19 F B
16 15:06:36 1 C
17 15:07:24 G 2
18 15:07:49 4 F
19 15:07:49 F1 F
20 15:09:59 5 G
21 15:10:02 G3 G
Web Usage Minig 65
# IP
Time Request
Referrer
1 15:04:41 index -
2 15:04:41 1 index
3 15:04:41 A index
7 15:05:18 C 1
9 15:05:43 index -
10 15:05:43 1 index
11 15:05:45 A index
12 15:06:01 H C
13 15:06:06 B 1
Web Usage Minig 66
H = [H1={index,1,A,C,H}, H2={index,1,A}]f = 1Step 1
H1 H e 1 H1 H1.size() = 5, H1.index(1) = 2, d1= 3, H1.tn = 15:06:06, H1.t1 = 15:04:41, t1 = 85, d1 < 9999 ==> assign = 1, min = 3.
Step 2 H2 H e 1 H2 H2.size() = 3, H2.index(1) = 2, d2= 1, H2.tn = 15:06:06, H2.t1 = 15:05:43, t2 = 23, d2 < min ==> assign = 2, min = 3.
E’ ritornato il valore 2, quindi la richiesta è associata alla sessione 2
Identificazione della sessione per la richiesta di linea 13
Tempo corrispondenteall’ultimo accesso al page file nella sessione H1
Tempo corrispondente all’accesso del page file nella richiesta trattata
Function Distance (H,f)1. Let Hi denote a time ordered 2. session history3. Let f denote a page file4. set min = 99995. for each Hi H do6. if f Hi
7. d i = Hi.size() - Hi.index(f)8. t i = Hi.tn - Hi.tf
9. if (d i < min) then10. assign = i 11. min = d i
12. else if (d i = min)13. if (t i < tassign)14. assign = i 15. return assign16. end