Web日志预处理的Clementine方案

摘要

为了对Web日志进行预处理，通常首先将日志导入到某种数据库中，然后借助数据库管理系统（DBMS）提供的功能完成相关的预处理操作，或者直接交给目前比较成熟的Web日志分析工具，如Awstats、Webtrends等。但无论是DBMS还是Web日志分析工具，它们的挖掘能力相对来说都比较弱，难以满足后期Web日志挖掘的目标，因而还需要将预处理好的日志重新导出交给其他挖掘软件进行处理。SPSS公司整合开发的Clementine数据挖掘工具平台，作为新一代数据挖掘软件，不仅提供了大量的人工智能、统计分析模型，而且提供了与数据准备有关的常用工具，包括选择、排序、筛选、分类、关联等，这为Web日志挖掘以及预处理工作提供了充分的可能。本文重点探讨利用Clementine对Web日志进行预处理的可行性以及具体的操作步骤，为下一步在该平台上开展日志挖掘工作做准备，从而可大大提高Web日志挖掘的自动化程度。