11 Web Data Mining

Question 1

Varför utförs Web Data Mining och vad är det?

Answer 1

1. Internet har mer information än något annat ställe

2. Handlar om att utvinna data och finna mönster i data från webben

Question 2

Vilka tre typer av Web Data Mining finns?

Answer 2

Web Content Mining
- innehåll av webbsidor/mail

Web Structure Mining
- hyperlänkar mellan dokument

Web Usage Mining
- användardata, klickströmmar etc

Question 3

Vad innebär Web Content Mining?

Answer 3

Hitta mönster i innehållet av webbsidor, e-mail etc
- foton, illustrationer, videor, tal etc

Störst fokus på text
- ofta väldigt dålig kvalitet

–> handlar om Text Mining

Question 4

På vilka två sätt kan man hitta mönster i text (text mining)? (1+2)

Answer 4

Genom maskininlärning

Unsupervised learning
- klustring (inga fördefinierade kategorier)

Supervised learning
– vi lär oss genom förkategoriserade kategorier med exempel (postiv/negativ recension)

Question 5

Vad innebär “named entities” kopplat till text?

Answer 5

Namn på personer, företag, geografiska platser etc

Question 6

Vad kan vi använda de mönstren som hittas genom Web Content Mining? (4)

Answer 6

Riktad marknadsföring
- vilken sida?

Läkemedelsinteraktioner
- kolla forum där folk pratar om dem

Opinion mining dokumentnivå

• vem är mest populära presidentkandidaten?
• attityd mot våra/konkurrenters produkter?

Opinion mining meningsnivå

• gå in på delar av texten
• produkts fördel/nackdel i en och samma kommentar

Question 7

Vad innebär Web Structure Mining?

Answer 7

Strukturer mellan dokument

• bygger på teorier om social nätverksanalys
• sociala entiteter (aktörer) och deras interaktioner och relationer

Vi kan genom mining av dessa hitta roller, positioner
- ex prestigefyllda webbsidor

Question 8

Varför är Web Structure Mining användbart?

Answer 8

Webben är en social aktör - varje sida är en social aktör

- varje hyperlink är en relation (tie)

Question 9

Vad är ties och vilka typer finns? (1+2)

Answer 9

Hyperlänkar (relationer)

Ties sent
- utlänkar

Ties received
- inlänkar

Question 10

Hur bedöms en aktörs prestige inom Web Structure Mining?

Answer 10

Räkna inlänkar:

• varje inlänk är en röst
• inkommande länkar från andra prestigefyllda sidor väger högra (spamfilter)

Question 11

Vad används Web Structure Mining till? (4)

Answer 11

Ranka webbsidor (Google sökmotor)

Räkna ut hur ofta man behöver besöka en hemsida för indexering

Gruppera användare i sociala nätverk, rekommendera vänner etc

Analysera ett företags struktur genom att titta på de interna mailkonversationerna

Question 12

Vad innebär Web Usage Mining?

Answer 12

Hur dokument faktiskt används - hur användare agerar med dessa

Försöker upptäcka mönster i tex klickströmmar

MÅL:
Hitta beteendemönster och skapa användargrupper baserat på detta

Question 13

Vilka källor används för att utföra till Web Usage Mining? (3)

Answer 13

Webbserver-loggar
- på hemsidor

Applikationsserver-loggar
- inne i program

Sökfrågor
- när användare söker data

Question 14

Vilka typiska fält används i vid Web Usage Mining? (4)

Answer 14

Tid
Datum
IP-adress
Cookies (tidigare besökta sidor etc)

osv

Question 15

Vad används Web Usage Mining till? (5)

Answer 15

Marknadsföring

Personaliserat innehåll

Online-rekommendationer

Förbättra webbplatsers struktur

Utvärdera marknadsföringskampanjer

Question 16

Vad innebär syntax? (web content/text mining)

Answer 16

Veta vad som är subjekt och vad som är objekt i en mening

Question 17

Vad innebär semantik? (web content/text mining)

Answer 17

Veta att “hund” och “vovve” refererar till samma koncept

Question 18

Vad innebär morfologi? (web content/text mining)

Answer 18

Veta att “hund” och “hundarnas” refererar till samma koncept