Relevanta continutului Web si a comportamentului...

transcript

Relevanta continutului Web si acomportamentului utilizatorilor în analiza

traficului

Diana Halita (cas. Sotropa)

Coordonator stiintific:Prof. Dr. Florian Mircea Boian

Universitatea Babes-Bolyai, Cluj-Napoca

1Cuprins

Directii de cercetare

Contributii principale

Preliminarii

Relevanta continutului Web si a comportamentului utilizatorilor înanaliza traficului

Concluzii si directii viitoare de cercetare

2Motivatie

ObiectiveI migrare transparenta;

I estimarea ratei de respingere;I cuantificarea nivelului de scrapiness;I identificarea traiectoriilor în seturi de date;I identificarea initiatorilor de comportamente;I identificarea si formalizarea tiparelor comportamentale.

2Motivatie

ObiectiveI migrare transparenta;I estimarea ratei de respingere;

I cuantificarea nivelului de scrapiness;I identificarea traiectoriilor în seturi de date;I identificarea initiatorilor de comportamente;I identificarea si formalizarea tiparelor comportamentale.

2Motivatie

ObiectiveI migrare transparenta;I estimarea ratei de respingere;I cuantificarea nivelului de scrapiness;

I identificarea traiectoriilor în seturi de date;I identificarea initiatorilor de comportamente;I identificarea si formalizarea tiparelor comportamentale.

2Motivatie

ObiectiveI migrare transparenta;I estimarea ratei de respingere;I cuantificarea nivelului de scrapiness;I identificarea traiectoriilor în seturi de date;

I identificarea initiatorilor de comportamente;I identificarea si formalizarea tiparelor comportamentale.

2Motivatie

ObiectiveI migrare transparenta;I estimarea ratei de respingere;I cuantificarea nivelului de scrapiness;I identificarea traiectoriilor în seturi de date;I identificarea initiatorilor de comportamente;

I identificarea si formalizarea tiparelor comportamentale.

2Motivatie

ObiectiveI migrare transparenta;I estimarea ratei de respingere;I cuantificarea nivelului de scrapiness;I identificarea traiectoriilor în seturi de date;I identificarea initiatorilor de comportamente;I identificarea si formalizarea tiparelor comportamentale.

3Directii de cercetare

I Impactul similaritatii documentelor Web asupra traficului:

I Masuri de similaritate;I Web Mining;

I Tipare comportamentale în utilizarea platformelor educationale:

I Web Mining;I FCA;I n-FCA;I TCA.

I Impactul similaritatii documentelor Web asupra traficului:I Masuri de similaritate;

I Web Mining;I Tipare comportamentale în utilizarea platformelor educationale:

I Impactul similaritatii documentelor Web asupra traficului:I Masuri de similaritate;I Web Mining;

I Tipare comportamentale în utilizarea platformelor educationale:I Web Mining;

I FCA;I n-FCA;I TCA.

I Tipare comportamentale în utilizarea platformelor educationale:I Web Mining;I FCA;

I n-FCA;I TCA.

I Tipare comportamentale în utilizarea platformelor educationale:I Web Mining;I FCA;I n-FCA;

I TCA.

I Tipare comportamentale în utilizarea platformelor educationale:I Web Mining;I FCA;I n-FCA;I TCA.

4Contributii principale

I algoritmul de potrivire a perechilor de URL-uri[Bufnea & Halita, Studia 2013] ;

I estimarea ratei de respingere pe baza similaritatii[Halita & Bufnea, Studia 2014] ;

I algoritmul de cuantificare a nivelului de scrapiness;I vizualizarea în format circular a tiparelor comportamentale

folosind Circos[Dragos, Halita, Sacarea & Troanca, Studia 2014][Dragos, Halita, Sacarea & Troanca, KSEM 2014][Dragos, Halita & Sacarea, SoftCOM 2015][Dragos, Halita & Sacarea, SoftCOM 2016].

I algoritmul de cuantificare a nivelului de scrapiness;

I vizualizarea în format circular a tiparelor comportamentalefolosind Circos[Dragos, Halita, Sacarea & Troanca, Studia 2014][Dragos, Halita, Sacarea & Troanca, KSEM 2014][Dragos, Halita & Sacarea, SoftCOM 2015][Dragos, Halita & Sacarea, SoftCOM 2016].

I identificarea si formalizarea atractorilor[Dragos, Halita & Sacarea, KSEM 2015] ;

I algoritmul de generare de tetraconcepte[Dragos, Halita & Sacarea, ICCS 2016] ;

I determinarea initiatorilor de comportamente[Dragos, Halita & Troanca, AI4KM 2016] ;

I identificarea evolutiei temporale a tiparelor comportamentale[Sotropa, Studia 2016][Dragos, Sacarea & Sotropa, ICFCA 2017][Dragos, Sotropa & Troanca, extended paper AI4KM 2017][Movileanu, Sacarea & Sotropa, poster ICFCA 2017].

5Web Usage Mining

I analiza informatiilor (continut, structura) prezente în Internet:

I Web Content Mining;I Web Structure Mining;I Web Usage Mining.

5Web Usage Mining

I analiza informatiilor (continut, structura) prezente în Internet:I Web Content Mining;

I Web Structure Mining;I Web Usage Mining.

5Web Usage Mining

I analiza informatiilor (continut, structura) prezente în Internet:I Web Content Mining;I Web Structure Mining;

I Web Usage Mining.

5Web Usage Mining

I analiza informatiilor (continut, structura) prezente în Internet:I Web Content Mining;I Web Structure Mining;I Web Usage Mining.

6Migrarea unui site Web

NecesitateI CMS învechit;

I Fructificarea noilor tehnologii.

Motivatie

I întretinere facila;I independenta continutului de prezentare;I actualizari periodice de securitate.

Provocari

I expunerea continutului site-ului Web la un URL nou;I pierderea diverselor beneficii câstigate în timp;I cresterea numarului de vizitatori care sunt indusi în eroare.

NecesitateI CMS învechit;I Fructificarea noilor tehnologii.

Motivatie

I întretinere facila;I independenta continutului de prezentare;I actualizari periodice de securitate.

Provocari

MotivatieI întretinere facila;

I independenta continutului de prezentare;I actualizari periodice de securitate.

Provocari

MotivatieI întretinere facila;I independenta continutului de prezentare;

I actualizari periodice de securitate.

Provocari

MotivatieI întretinere facila;I independenta continutului de prezentare;I actualizari periodice de securitate.

Provocari

ProvocariI expunerea continutului site-ului Web la un URL nou;

I pierderea diverselor beneficii câstigate în timp;I cresterea numarului de vizitatori care sunt indusi în eroare.

ProvocariI expunerea continutului site-ului Web la un URL nou;I pierderea diverselor beneficii câstigate în timp;

I cresterea numarului de vizitatori care sunt indusi în eroare.

ProvocariI expunerea continutului site-ului Web la un URL nou;I pierderea diverselor beneficii câstigate în timp;I cresterea numarului de vizitatori care sunt indusi în eroare.

SolutiiI migrarea automata sau manuala;

I estimarea timpului necesar migrarii;I evaluarea procesului de migrare.

(a) Vechiul site (b) Noul site

Figura: Eroare 404 generata de un referrer extern

SolutiiI migrarea automata sau manuala;I estimarea timpului necesar migrarii;

I evaluarea procesului de migrare.

SolutiiI migrarea automata sau manuala;I estimarea timpului necesar migrarii;I evaluarea procesului de migrare.

AlgoritmI Procesare URL vechi

I Identificare perechi de URL-uri cu continut similar;I Salvare pereche + data + similaritate;I Redirectionare utilizator.

AlgoritmI Procesare URL vechiI Identificare perechi de URL-uri cu continut similar;

I Salvare pereche + data + similaritate;I Redirectionare utilizator.

AlgoritmI Procesare URL vechiI Identificare perechi de URL-uri cu continut similar;I Salvare pereche + data + similaritate;

I Redirectionare utilizator.

AlgoritmI Procesare URL vechiI Identificare perechi de URL-uri cu continut similar;I Salvare pereche + data + similaritate;I Redirectionare utilizator.

RezultateI adaptarea motoarelor de cautare la noua structura a site-ului:

(a) Adaptarea motoarelor de cautarevs. neadaptarea referreri-lor externi

(b) Eroare 404 generata de referreri ex-terni, odata cu activarea layer-ului

Figura: Noua structura a site-ului - eroarea 404 generata

10Estimarea ratei de respingere

NecesitateI link-uri folosite abuziv.

Motivatie

I cresterea page-rank-ului.

Provocari

I localizarea link-urilor abuzive.

MotivatieI cresterea page-rank-ului.

Provocari

I localizarea link-urilor abuzive.

MotivatieI cresterea page-rank-ului.

ProvocariI localizarea link-urilor abuzive.

SolutiiI analiza continutului;

I analiza link-urilor;I analiza comportamentului utilizatorilor.

Figura: Similaritate ideala

SolutiiI analiza continutului;I analiza link-urilor;

I analiza comportamentului utilizatorilor.

SolutiiI analiza continutului;I analiza link-urilor;I analiza comportamentului utilizatorilor.

AlgoritmI Determinarea continut absolut;

I Generarea triplete (pagina accesata, referrer, rata derespingere);

I Reprezentarea grafica a similaritatilor.

AlgoritmI Determinarea continut absolut;I Generarea triplete (pagina accesata, referrer, rata de

respingere);

I Reprezentarea grafica a similaritatilor.

AlgoritmI Determinarea continut absolut;I Generarea triplete (pagina accesata, referrer, rata de

respingere);I Reprezentarea grafica a similaritatilor.

RezultateI cea mai buna functie de similaritate:

0 20 40 60 80 100

similarity

Jaccard Similarity - absolute content100-x

Figura: Similaritatea Jaccard

14Cuantificarea nivelului de scrapiness

NecesitateI directionarea gresita a utilizatorilor (în SERP).

Motivatie

I scaderea performantei motoarelor de cautare;I nemultumirea utilizatorilor referitoare la informatia gasita.

Provocari

I identificarea scraper-elor.

MotivatieI scaderea performantei motoarelor de cautare;

I nemultumirea utilizatorilor referitoare la informatia gasita.

Provocari

MotivatieI scaderea performantei motoarelor de cautare;I nemultumirea utilizatorilor referitoare la informatia gasita.

Provocari

MotivatieI scaderea performantei motoarelor de cautare;I nemultumirea utilizatorilor referitoare la informatia gasita.

ProvocariI identificarea scraper-elor.

AlgoritmI Indexarea site-ului;

I Generarea tripletelor (link intern, link extern, similaritate);I Calcularea nivelului de scrapiness al site-ului analizat;I Reprezentarea grafica a tripletelor.

AlgoritmI Indexarea site-ului;I Generarea tripletelor (link intern, link extern, similaritate);

I Calcularea nivelului de scrapiness al site-ului analizat;I Reprezentarea grafica a tripletelor.

AlgoritmI Indexarea site-ului;I Generarea tripletelor (link intern, link extern, similaritate);I Calcularea nivelului de scrapiness al site-ului analizat;

I Reprezentarea grafica a tripletelor.

AlgoritmI Indexarea site-ului;I Generarea tripletelor (link intern, link extern, similaritate);I Calcularea nivelului de scrapiness al site-ului analizat;I Reprezentarea grafica a tripletelor.

RezultateI Pentru un scraper punctele de pe grafic se regasesc în dreapta.

(a) Site C1: similaritate Cosinus (b) Site S2: similaritate Cosinus

Figura: Non-Scraper vs. Scraper Site

Validarea rezultatelorI analizarea log-urilor proxy;

I scraper-ele sunt agenti intermediari:

(a) Traiectorie utilizator (b) Traiectorie evidentiata în logurileSquid

Figura: Tipare vizitare scraper

Validarea rezultatelorI analizarea log-urilor proxy;I scraper-ele sunt agenti intermediari:

(a) Traiectorie utilizator (b) Traiectorie evidentiata în logurileSquid

Figura: Tipare vizitare scraper

18Analiza Conceptuala Formala

MotivatieI dezvoltarea metodelor de analiza de date;

I extragerea de cunostinte;I procesarea conceptuala a datelor;I evidentierea corelatiilor în seturile de date.

MotivatieI dezvoltarea metodelor de analiza de date;I extragerea de cunostinte;

I procesarea conceptuala a datelor;I evidentierea corelatiilor în seturile de date.

MotivatieI dezvoltarea metodelor de analiza de date;I extragerea de cunostinte;I procesarea conceptuala a datelor;

I evidentierea corelatiilor în seturile de date.

MotivatieI dezvoltarea metodelor de analiza de date;I extragerea de cunostinte;I procesarea conceptuala a datelor;I evidentierea corelatiilor în seturile de date.

Introdusa în jurul anilor 1980 de catre B. Ganter, R. Wille, P.Burmeister.

Context FormalI G - multimea obiectelor;

I M - multimea atributelor;I I ⊆ G ×M - relatia de incidenta.

Concept Formal

I A ⊆ G - extent;I B ⊆ M - intent;I maximal cu proprietatea: A× B ⊆ I.

Context FormalI G - multimea obiectelor;I M - multimea atributelor;

I I ⊆ G ×M - relatia de incidenta.

Concept Formal

Context FormalI G - multimea obiectelor;I M - multimea atributelor;I I ⊆ G ×M - relatia de incidenta.

Concept Formal

Concept FormalI A ⊆ G - extent;

I B ⊆ M - intent;I maximal cu proprietatea: A× B ⊆ I.

Concept FormalI A ⊆ G - extent;I B ⊆ M - intent;

I maximal cu proprietatea: A× B ⊆ I.

Concept FormalI A ⊆ G - extent;I B ⊆ M - intent;I maximal cu proprietatea: A× B ⊆ I.

Tabel: Context formal {1,2, ..., 10} (par, impar, prim, compus, patrat perfect)

compus par impar prim patrat perfect1 x x2 x x3 x x4 x x x5 x x6 x x7 x x8 x x9 x x x

10 x x

Figura: Laticea conceptelor formale

22Analiza Conceptuala Formala Poliadica

3FCA a fost introdusa de F. Lehman si R. Wille în 1995.nFCA a fost introdusa de G. Voutsadakis în 2002.

Context FormalI K1, ...,Kn - multimi;

I R ⊆ K1 × ...× Kn.

Concept Formal

I n-uplu (A1, ...,An);I maximal cu proprietatea: A1 × ...× An ⊆ R.

Context FormalI K1, ...,Kn - multimi;I R ⊆ K1 × ...× Kn.

Concept Formal

I n-uplu (A1, ...,An);I maximal cu proprietatea: A1 × ...× An ⊆ R.

Concept FormalI n-uplu (A1, ...,An);

I maximal cu proprietatea: A1 × ...× An ⊆ R.

Concept FormalI n-uplu (A1, ...,An);I maximal cu proprietatea: A1 × ...× An ⊆ R.

23Analiza Conceptuala Formala Temporala

TCA a fost introdusa de K. E. Wolff în 2001.

TCAI teoria fenomenelor temporale;

I stare - concept formal al unui context formal;I sistem - {descriere temporala, descriere a evenimentelor};I sistemul este într-un moment de timp în exact o stare.

TCAI teoria fenomenelor temporale;I stare - concept formal al unui context formal;

I sistem - {descriere temporala, descriere a evenimentelor};I sistemul este într-un moment de timp în exact o stare.

TCAI teoria fenomenelor temporale;I stare - concept formal al unui context formal;I sistem - {descriere temporala, descriere a evenimentelor};

I sistemul este într-un moment de timp în exact o stare.

TCAI teoria fenomenelor temporale;I stare - concept formal al unui context formal;I sistem - {descriere temporala, descriere a evenimentelor};I sistemul este într-un moment de timp în exact o stare.

24Tipare comportamentale

Seturi de dateI platforma educationala: PULSE;

I perioada de colectare a datelor: 2012-2013, 2014-2015;

Instrumente

I Elba, Toscana, Toscana2TRIAS;I Circos;I FCA Tools Bundle;I FACT.

Seturi de dateI platforma educationala: PULSE;I perioada de colectare a datelor: 2012-2013, 2014-2015;

Instrumente

I Elba, Toscana, Toscana2TRIAS;I Circos;I FCA Tools Bundle;I FACT.

InstrumenteI Elba, Toscana, Toscana2TRIAS;

I Circos;I FCA Tools Bundle;I FACT.

InstrumenteI Elba, Toscana, Toscana2TRIAS;I Circos;

I FCA Tools Bundle;I FACT.

InstrumenteI Elba, Toscana, Toscana2TRIAS;I Circos;I FCA Tools Bundle;

I FACT.

InstrumenteI Elba, Toscana, Toscana2TRIAS;I Circos;I FCA Tools Bundle;I FACT.

RezultateI tipare comportamentale cantitative:

I relaxat;I normal;I intens.

I tipare comportamentale calitative:

I atractori;I initiatori de comportamente;I adepti ai unor comportamente.

I tipare comportamentale cantitativ-calitative:

I comportament timpuriu;I comportament uzual;I comportament întârziat.

I relaxat;

I normal;I intens.

I relaxat;I normal;

I intens.I tipare comportamentale calitative:

I tipare comportamentale calitative:I atractori;

I initiatori de comportamente;I adepti ai unor comportamente.

I tipare comportamentale calitative:I atractori;I initiatori de comportamente;

I adepti ai unor comportamente.I tipare comportamentale cantitativ-calitative:

I tipare comportamentale calitative:I atractori;I initiatori de comportamente;I adepti ai unor comportamente.

I tipare comportamentale cantitativ-calitative:I comportament timpuriu;

I comportament uzual;I comportament întârziat.

I tipare comportamentale cantitativ-calitative:I comportament timpuriu;I comportament uzual;

I comportament întârziat.

I tipare comportamentale cantitativ-calitative:I comportament timpuriu;I comportament uzual;I comportament întârziat.

AtractoriI tipare comportamentale la care utilizatorii adera în timp ce

utilizeaza platforma educationala;

Clasificare

I structurati: atractor comportamental, atractor amplu, atractor denavigare, atractor critic

I nestructurati: atractor comportamental, atractor popular, atractorcritic

ClasificareI structurati: atractor comportamental, atractor amplu, atractor de

navigare, atractor critic

I nestructurati: atractor comportamental, atractor popular, atractorcritic

ClasificareI structurati: atractor comportamental, atractor amplu, atractor de

navigare, atractor criticI nestructurati: atractor comportamental, atractor popular, atractor

critic

Atractor comportamentalI scala conceptuala pe o granula de timp;

I reflecta obiceiurile de navigare ale utilizatorilor;

Atractor amplu

I scala conceptuala pe o granula de timpI reflecta comportamentele ample ale utilizatorilor;

Atractor comportamentalI scala conceptuala pe o granula de timp;I reflecta obiceiurile de navigare ale utilizatorilor;

Atractor amplu

I scala conceptuala pe o granula de timpI reflecta comportamentele ample ale utilizatorilor;

Atractor ampluI scala conceptuala pe o granula de timp

I reflecta comportamentele ample ale utilizatorilor;

Atractor ampluI scala conceptuala pe o granula de timpI reflecta comportamentele ample ale utilizatorilor;

Atractor de navigareI structura conceptuala intentionata;

I reflecta scopurile educationale ale instructorului.

(a) Materiale de învatare (b) Materiale de laborator (teorie, ex-emple, teme atribuite)

Figura: Atractorul educational pentru laboratorul 9

Atractor de navigareI structura conceptuala intentionata;I reflecta scopurile educationale ale instructorului.

(a) Materiale de învatare (b) Materiale de laborator (teorie, ex-emple, teme atribuite)

Figura: Atractorul educational pentru laboratorul 9

Atractor popularI scala conceptuala pe granule de timp;

I reflecta tipare de navigare neprevazute;I comportamentul de ramificare a lantului de pagini vizitate.

(a) ramificatii continând una din paginileetichetate în noduri

(b) ramificatii consecutive care încep sise termina cu una din paginile etichetate

Figura: Lanturi de pagini care contin în ramificatii pagini referitoare lamaterialele de curs

Atractor popularI scala conceptuala pe granule de timp;I reflecta tipare de navigare neprevazute;

I comportamentul de ramificare a lantului de pagini vizitate.

Atractor popularI scala conceptuala pe granule de timp;I reflecta tipare de navigare neprevazute;I comportamentul de ramificare a lantului de pagini vizitate.

Atractor criticI atractor popular împreuna cu o granula de timp din CP;

I scala conceptuala care reflecta comportamentul utilizatoruluideterminat de evenimentele critice.

(a) Ce pagini sunt vizitate? (b) Ce continut educational este vizitat?

Figura: Comportament calitativ: ce pagini viziteaza studentii în timpulpregatirii pentru examen?

Atractor criticI atractor popular împreuna cu o granula de timp din CP;I scala conceptuala care reflecta comportamentul utilizatorului

determinat de evenimentele critice.

(a) Ce pagini sunt vizitate? (b) Ce continut educational este vizitat?

Figura: Comportament calitativ: ce pagini viziteaza studentii în timpulpregatirii pentru examen?

31Analiza Conceptuala Formala Tetradica

AlgoritmI generalizarea algoritmului Trias;

I cuboidele se completeaza cu a 4-a dimensiune tinând cont deconditia de maximalitate.

AlgoritmI generalizarea algoritmului Trias;I cuboidele se completeaza cu a 4-a dimensiune tinând cont de

conditia de maximalitate.

Utilizator: K , clase: LA-II ([H, K, O, T], [2], [2], [LA-I])I ([E], [1, 2, 3], [6], [LA-I])I ([K], [2], [2], [LA-I, WE-LA-I])I ([B, H, T], [3], [2], [LT-LA-I])I ([H], [3], [2], [LT-LA-I, LT-LA])I ([K], [3], [3], [LT-LA-I, L-LA-I, LT-LA, L-LA, L-WE-LA])I ([O], [3], [2], [L-LA-I])I ([B], [9], [7], [L-PE-LA-I])I ([K], [16], [16], [LP-LPs-PE-LA-I, LP-LPs, L-LPs, L-WE, Ls-L-LP])

33Analiza Conceptuala Formala Pentadica

Initiatori de comportamenteI utilizatori care initiaza anumite comportamente;

Adepti ai unor comportamente

I utilizatori care preiau comportamente

Initiatori de comportamenteI utilizatori care initiaza anumite comportamente;

Adepti ai unor comportamenteI utilizatori care preiau comportamente

Obiecte Atribute Conditii Stari 1 Stari 2F, B, D, H, Q Ls-LP-LT-LA 4 4 F

D Ls-LP-LT-LA 4 4, 6, 7 F... Ls-LP-LT-LA 4 ... FX Ls-LP-LT-LA 4 8 FS Ls-LP-LT-LA 4 13 F... Ls-LP-LT-LA 4 ... FG Ls-LP-LT-LA 8 15 XS Ls-LP-LT-LA 13 13 S

L,W Ls-LP-LT-LA 13 14 SG Ls-LP-LT-LA 13 15 S

Tabel: Esantion de concepte pentadice grupate dupa comportament, initiatorsi saptamâna în care a aparut comportamentul

35Formalizarea traiectoriilor temporale

Comportamente cantitativ-calitative: timpuriu, uzual siîntârziat

I multimea utilizatorilor: P = {st1, st2, ..., stx};

I multimea granulelor temporale: G = {w1,w2, ...,wy};I multimea obiectelor actuale: Π ⊆ P ×G;I multimea granulelor temporale în care utilizatorii au avut

activitate:

I Earlyp = {g ∈ G|(p, g) ∈ Π, g < n};I Commonp = {g ∈ G|(p, g) ∈ Π, n ≤ g ≤ n + 2};I Latep = {g ∈ G|(p, g) ∈ Π, g > n + 2}.

I multimea utilizatorilor: P = {st1, st2, ..., stx};I multimea granulelor temporale: G = {w1,w2, ...,wy};

I multimea obiectelor actuale: Π ⊆ P ×G;I multimea granulelor temporale în care utilizatorii au avut

activitate:

I multimea utilizatorilor: P = {st1, st2, ..., stx};I multimea granulelor temporale: G = {w1,w2, ...,wy};I multimea obiectelor actuale: Π ⊆ P ×G;

I multimea granulelor temporale în care utilizatorii au avutactivitate:

I multimea utilizatorilor: P = {st1, st2, ..., stx};I multimea granulelor temporale: G = {w1,w2, ...,wy};I multimea obiectelor actuale: Π ⊆ P ×G;I multimea granulelor temporale în care utilizatorii au avut

activitate:

activitate:I Earlyp = {g ∈ G|(p, g) ∈ Π, g < n};

I Commonp = {g ∈ G|(p, g) ∈ Π, n ≤ g ≤ n + 2};I Latep = {g ∈ G|(p, g) ∈ Π, g > n + 2}.

activitate:I Earlyp = {g ∈ G|(p, g) ∈ Π, g < n};I Commonp = {g ∈ G|(p, g) ∈ Π, n ≤ g ≤ n + 2};

I Latep = {g ∈ G|(p, g) ∈ Π, g > n + 2}.

activitate:I Earlyp = {g ∈ G|(p, g) ∈ Π, g < n};I Commonp = {g ∈ G|(p, g) ∈ Π, n ≤ g ≤ n + 2};I Latep = {g ∈ G|(p, g) ∈ Π, g > n + 2}.

36Tipare de navigare temporale - Student C

(a) Comportament timpuriu (b) Traiectorie

Figura: Focus pe Lab Theory, primele 6 saptamâni

37Tipare de navigare temporale - Student C

(a) Predarea laboratoarelor (b) Gradul de aderare la atractorul edu-cational 9

Figura: Traiectoria utilizatorului C

38Concluzii

I definirea unor metode cu posibile aplicatii în clasificarea siierarhizarea site-urilor Web;

I identificarea metodelor de navigare si explorare a seturilor dedate n-adice;

I identificarea tiparelor comportamentale prin metode cantitative sicalitative;

I utilizarea metodelor TCA împreuna cu tehnica construirii scalelor.

38Concluzii

39Directii viitoare de cercetare

I detectarea comportamentelor similare utilizând masuri desimilaritate FCA;

I detectarea tiparelor comportamentale utilizând FCA Relational siTipare Structurate;

I aplicarea metodelor identificate pe alte seturi de date:

I seturi de date medicale;I seturi de date colectate de pe site-uri comerciale;

I determinarea dinamicii utilizatorilor în site-uri de tip spam.

I aplicarea metodelor identificate pe alte seturi de date:I seturi de date medicale;

I seturi de date colectate de pe site-uri comerciale;I determinarea dinamicii utilizatorilor în site-uri de tip spam.

I aplicarea metodelor identificate pe alte seturi de date:I seturi de date medicale;I seturi de date colectate de pe site-uri comerciale;

Multumesc pentru atentie!

Lista de publicatii I

Lista de publicatii II D. Bufnea, D. Halita, A server-side support layer for transparent

web content migration, Proceedings of the InternationalConference on Knowledge Engineering, Principles andTechniques, Studia Universitatis Babes-Bolyai Informatica,Volume LVIII, no. 3, 2013, pp. 78-89.

I D. Halita, D. Bufnea, A study regarding inter domain linkeddocuments similarity and their consequent bouncerate, StudiaUniversitatis Babes-Bolyai Informatica, Volume LIX, no. 1, 2014,pp. 83-91.

I S. Dragos, D. Halita, C. Sacarea, D. Troanca, An FCA groundedstudy of user dynamics through log exploration, StudiaUniversitatis Babes-Bolyai Informatica, Volume LIX, No. 2, 2014,pp. 82-97.

Lista de publicatii II

Lista de publicatii III S. Dragos, D. Halita, C. Sacarea, D. Troanca, Applying Triadic

FCA in Studying Web Usage Behaviors, Proceedings of the 7thInternational Conference on Knowledge Science, Engineeringand Management, Volume 8793, 2014, pp. 73-80.

I S. Dragos, D. Halita, C. Sacarea, Attractors in Web BasedEducational Systems. A Conceptual Knowledge ProcessingGrounded Approach, Proceedings of the 8th InternationalConference on Knowledge Science, Engineering andManagement, Volume 9403, 2015, pp. 190-195.

I S. Dragos, D. Halita, C. Sacarea, Behavioral pattern mining inweb based educational system, Proceedings of the 23rdInternational Conference Software, Telecommunications andComputer Networks, IEEE Catalog Number CFP1587A-ART,2015, pp. 215-219.

Lista de publicatii III

Lista de publicatii IIII S. Dragos, D. Halita, C. Sacarea, Analysing the Effect of

Changing the Educational Methods by Using FCA, Proceedingsof the 24th International Conference Software,Telecommunications and Computer Networks, IEEE CatalogNumber CFP1687A-ART, 2016, pp. 243-247.

I S. Dragos, D. Halita, C. Sacarea, Distilling ConceptualStructures from Weblog Using Polyadic FCA, Proceedings of the22nd International Conference on Conceptual Structures,Volume LNCS 9717, 2016, pp. 151-159.

I S. Dragos, D. Halita, D. Troanca, Investigating Trend-setters inE-learning Systems using Polyadic Formal Concept Analysis andAnswer Set Programming Proceedings of the 4th InternationalWorkshop on Artificial Intelligence for Knowledge Management,2016, pp. 42-48.

Lista de publicatii IV

Lista de publicatii IVI D. Halita, C. Sacarea, Is FCA suitable to improve Electronic

Health Record Systems?, Proceedings of the 24th InternationalConference Software, Telecommunications and ComputerNetworks, IEEE Catalog Number CFP1687A-ART, 2016, pp.248-252.

I D. Sotropa, A FCA Strategy for Improving Web-Based LearningSites Studia Universitatis Babes-Bolyai Informatica, Volume LXI,No. 2, 2016, pp. 110-125.

I S. Dragos, C. Sacarea, D. Sotropa, An investigation of userbehavior in educational platforms using Temporal ConceptAnalysis, Proceedings of the 14th International Conference onFormal Concept Analysis, 2017, to be published.

Lista de publicatii V

Lista de publicatii VI S. Dragos, D. Sotropa, D. Troanca, Highlighting Trend-setters in

Educational Platforms by Means of Formal Concept Analysis andAnswer Set Programming, under review for the 4th AI4KMExtended Revised Papers.

I B. Movileanu, C. Sacarea, D. Sotropa, FACT - A tool forTemporal Formal Concept Analysis, under review for the ICFCA2017 poster session.

Bibliografie I

Bibliografie II L. Becchetti, C. Castillo, D. Donato, S. Leonardi, Web Spam

Detection: link-based and content-based techniques,Proceedings of the final workshop of the European IntegratedProject Dynamically Evolving, Large Scale Information Systems,Volume 222, 2008, pp. 99-113.

I P. Becker, J. Hereth, G. Stumme, ToscanaJ: An Open SourceTool for Qualitative Data Analysis, Advances in Formal ConceptAnalysis for Knowledge Discovery in Databases, Proceedings ofthe workshop FCAKDD of the 15th European Conference onArtificial Intelligence Advances in Formal Concept Analysis forKnowledge Discovery in Databases, Volume 426, 2002, pp. 1-2.

I R. Cooley, B. Mobasher, J. Srivastava, Web mining: Informationand pattern discovery on the world wide web, Proceedings of the9th IEEE International Conference on Tools with ArtificialIntelligence, 1997, pp. 558-567.

Bibliografie II

Bibliografie III S. Dragos, PULSE Extended, Proceedings of the Fourth

International Conference on Internet and Web Applications andServices, 2009, pp. 510-515.

I G. Gan, M. Chaoqun, W. Jianhong, Data Clustering: Theory,Algorithms, and Applications, ASA-SIAM Series on Statistics andApplied Probability, 2007.

I B. Ganter, R. Wille, Formal Concept Analysis. MathematicalFoundations, 1999.

Bibliografie III

Bibliografie IIII R. Jaeschke, A. Hotho, C. Schmitz, B.Ganter, G. Stumme, Trias -

An Algorithm for Mining Iceberg Trilattices, Proceedings of theIEEE International Conference on Data Mining, 2006, pp.907-911.

I L. L. Kis, C. Sacarea, D. Troanca, FCA Tools Bundle - a Tool thatEnables Dyadic and Triadic Conceptual Navigation , Proceedingsof the 4th International Workshop FCA4AI "What can FCA do forArtificial Intelligence?", 2016, pp. 43-45.

I M. Krzywinski, J. Schein, I. Birol, J. Connors, R. Gascoyne, D.Horsman, S.J. Jones, M. A. Marra, Circos: an informationaesthetic for comparative genomics, Genome research, Volume19, no. 9, 2009, pp. 1639-1645.

Bibliografie IV

Bibliografie IVI F. Lehmann, R. Wille, A Triadic Approach to Formal Concept

Analysis, Conceptual Structures: Applications, Implementationand Theory, Volume LNAI 954, 1995.

I M. Najork, Detecting Spam web Pages through ContentAnalysis, International World Wide web Conference Comittee,2006, pp. 83-92.

I G. Voutsadakis, Polyadic concept analysis, Order, Volume 19,no. 3, 2002, pp. 295-304.

I K. E. Wolff, Temporal concept analysis, International Workshopon Concept Lattices-Based Theory, Methods and Tools forKnowledge Discovery in Databases, 2001, pp. 91-107.

Relevanta continutului Web si a comportamentului...

Documents