Webseiten-Personalisierung für anonyme Besucher

Inhaltsverzeichnis

• Einleitung
• Theoretische Grundlagen
• Web Log Mining
• Data Mining
• Klassifikation
• Clustering
• Assoziationsregeln
• Sequentielle Muster
• Anwendungsgebiete
• Inhalt von Logfiles
• Preprocessing von Web Logs
• Säubern der Logdatei
• Identifikation von Usern
• Identifikation von Sessions
• Alternative: Sammeln von Logdaten auf Clientseite
• Repräsentation von Web Logs
• n-dimensionaler binärer Attributvektor
• n-dimensionaler Pageview-Referenz Vektor

Zielsetzung und Themenschwerpunkte

Diese Diplomarbeit befasst sich mit dem Thema der Webseiten-Personalisierung für anonyme Besucher. Ziel ist es, einen neuen Ansatz zur Erstellung von kurzfristigen, impliziten Benutzermodellen zu entwickeln, die auf dem Navigationsverhalten und Metadaten der besuchten Seiten basieren. Dieser Ansatz ermöglicht die Anpassung von Webseiten an die Interessen des Besuchers, selbst wenn es sich um einen anonymen, nicht registrierten Besucher handelt. Die Arbeit untersucht den aktuellen Stand der Technik in den Bereichen Personalisierung, Benutzermodellierung, Web Log Mining und Webseiten-Kategorisierung.

• Entwicklung eines neuen Personalisierungsansatzes für anonyme Besucher
• Erstellung von kurzfristigen, impliziten Benutzermodellen auf Basis des Navigationsverhaltens
• Einbeziehung von Webseiten-Metadaten zur Verbesserung der Benutzermodellierung
• Anpassung von Inhalten und Präsentationen an die Interessen des Besuchers
• Analyse des aktuellen Stands der Technik in den Bereichen Personalisierung und Web Log Mining

Zusammenfassung der Kapitel

Das erste Kapitel dient als Einleitung und führt in die Thematik der Webseiten-Personalisierung ein. Im zweiten Kapitel werden die theoretischen Grundlagen des Web Log Mining behandelt, wobei die verschiedenen Data Mining-Techniken wie Klassifikation, Clustering, Assoziationsregeln und sequentielle Muster vorgestellt werden. Des Weiteren wird auf die Inhalte von Logfiles, die Vorverarbeitung von Web Logs und die verschiedenen Repräsentationsformen von Web Logs eingegangen.

Schlüsselwörter

Webseiten-Personalisierung, Benutzermodellierung, Web Log Mining, Data Mining, anonyme Besucher, implizite Benutzermodelle, Navigationsverhalten, Webseiten-Metadaten, COHAVE-Projekt.