利用資料探勘改善代理伺服器預先擷取效率之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：16

、訪客IP：18.117.183.172

姓名

林書呈(Shu-Cheng Lin) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

利用資料探勘改善代理伺服器預先擷取效率之研究
(A Data Mining Algorithm to Enhance Proxy Prefetching)

相關論文

★ 零售業商業智慧之探討	★ 有線電話通話異常偵測系統之建置
★ 資料探勘技術運用於在學成績與學測成果分析 -以高職餐飲管理科為例	★ 利用資料採礦技術提昇財富管理效益 -以個案銀行為主
★ 晶圓製造良率模式之評比與分析－以國內某DRAM廠為例	★ 商業智慧分析運用於學生成績之研究
★ 運用資料探勘技術建構國小高年級學生學業成就之預測模式	★ 應用資料探勘技術建立機車貸款風險評估模式之研究－以A公司為例
★ 績效指標評估研究應用於提升研發設計品質保證	★ 基於文字履歷及人格特質應用機械學習改善錄用品質
★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題	★ 關聯式資料庫之廣義知識探勘
★ 考量屬性值取得延遲的決策樹建構	★ 從序列資料中找尋偏好圖的方法 - 應用於群體排名問題
★ 利用分割式分群演算法找共識群解群體決策問題	★ 以新奇的方法有序共識群應用於群體決策問題

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隨著網路的快速成長，使用網路的人口也急速增加。多元化的網路應用發展，造成大量數位化的資料需要透過網路來傳送，但由於頻寬發展速度跟不上數位內容的快速成長，使得資料傳送上會有延遲的現象，整體網路的服務品質也跟著降低。透過代理伺服器的快取功能以及預先擷取的方式，可以有效降低使用者等待傳輸的時間，讓資源使用更有效率。因此如何進一步提升代理伺服器的快取效能及預先擷取命中率，便成為一項重要的研究議題。
本研究試圖利用資料探勘的技術，改進目前預先擷取演算法的缺點。首先我們分析存取記錄檔(Access Log)中的各欄位，對記錄檔進行前處理的工作，過濾掉會影響分析的紀錄。接下來本研究利用關聯規則的概念，提出Portal-aware的預先擷取演算法，對跨網站的瀏覽記錄進行強化，有助於提升預先擷取的效率。我們也使用網頁資訊價值的概念，以網頁資訊價值取代原本單純使用存取次數的計算方式，讓預先擷取的結果更具效益。最後我們考量使用者在不同時間會有不同的瀏覽趨勢，提出一套階層式分群演算法來找出使用者瀏覽趨勢相近的時間分區。實驗結果顯示所提出的預先擷取方法可以提升預先擷取效率，而時間的分區方法符合使用者瀏覽趨勢，讓代理伺服器能夠提供更好的服務品質。

關鍵字(中)

★ 關聯規則
★ 階層式分群
★ 預先擷取

關鍵字(英)

★ Hierarchical Clustering
★ Association Rule
★ Prefetching

論文目次

摘要 i
致謝辭 ii
目　　錄 iii
圖目錄 v
表目錄 vi
第1章　緒論 1
1.1 研究動機 1
1.2 研究目的 3
1.3 論文架構 4
第2章文獻探討 6
2.1 預先擷取演算法 6
2.1.1 Access Tree 演算法 6
2.1.2 Domain-Top 演算法 8
2.2 資料探勘(Data Mining) 10
2.2.1 關聯規則模式(Association rule) 10
2.2.2 分群方法(Clustering) 12
2.2.3 網頁探勘(Web Mining) 15
第3章　改善代理伺服器預先擷取效率之方法 18
3.1 存取記錄檔的前處理 19
3.1.1 問題描述與基本構想 19
3.1.2存取記錄檔欄位分析 20
3.2 Portal-aware熱門清單的產生 22
3.2.1 問題描述與基本構想 22
3.2.2 關聯規則產生Portal-aware熱門清單 23
3.3網頁資訊價值的使用 27
3.3.1問題描述與基本構想 27
3.3.2 網頁的資訊價值 27
3.3.3 網頁資訊價值的熱門清單 29
3.4利用Data Mining分析瀏覽趨勢週期性 30
3.4.1 問題描述與基本構想 30
3.4.2 階層式分群演算法 31
3.4.3 分析時間趨勢演算法-聚合式 31
第4章　系統模擬與效能評估 34
4.1 系統及資料來源介紹 34
4.1.1模擬環境 34
4.1.2資料來源 34
4.2 效能度量基準 35
4.3 分析Portal-aware實驗結果 37
4.3.1 參數設定 37
4.3.2 結果分析 39
4.4 分析資訊價值實驗結果 40
4.4.1 參數設定 40
4.4.2 結果分析 42
4.5 分析瀏覽趨勢週期性實驗結果 47
4.5.1參數設定 47
4.5.2 結果分析 47
第5章　結論與未來研究方向 50
5.1 結論 50
5.2 研究貢獻 51
5.3 未來研究方向 52
附錄 54
參考文獻 59

參考文獻

[1] 陳桂慧，民89，WWW代理伺服器的部分快取置換策略，元智大學電機與資訊工程研究所碩士論文。
[2] 江巧雯，民90，長時間序列叢集化之研究，元智大學資訊管理研究所碩士論文。
[3] 許毅嘉，民90，關聯法則應用於代理伺服器上之快取置換機制，國立中興大學資訊科學研究所碩士論文。
[4] 黃毓莉，民90，行動商務中快取機制之研究，國立交通大學資訊管理研究所碩士論文。
[5] 黃安賜，民90，階層式代理伺服器以不同階層為基礎之動態雜湊負載平衡機制，元智大學資訊工程學系碩士論文。
[6] 王敏傑，民91，一個針對快取以使用者行為為基礎之預先擷取機制，國立交通大學資訊管理研究所碩士論文。
[7] 林育臣，民91，群聚技術之研究，朝陽科技大學資訊管理研究所碩士論文。
[8] 陸津華，民92，挖掘高獲利性關聯規則之研究，私立東海大學資訊工程與科學研究所碩士論文。
[9] 蘇宇威，民92，利用資料探勘方法建立自動化代理伺服器預載排程，銘傳大學資訊管理研究所碩士論文。
[10] 黃汝棋，民92，考慮文件資訊價值之快取置換策略，朝陽科技大學資訊管理研究所碩士論文。
[11] 白典正，民92，一個以內容為基礎的代理伺服器演算法，國立中央大學資訊管理研究所碩士論文。
[12] 中央大學電子計算機中心：http://www.cc.ncu.ed.tw/
[13] Squid代理伺服器：http://www.squid-cache.org/
[14] Net Beans網頁http://www.netbeans.org/
[15] 尹相志，民92，SQL 2000 Analysis Service資料採礦服務，維科圖書有限公司。
[16] 經濟部技術處產業電子化指標與標準研究計畫/資策會ACI-FIND
[17] Cherkasova, L. (1998). “Improving WWW Proxies Performance with Greedy-Dual Size-Frequency Caching Policy,” HP Computer Systems Laboratory.
[18] Cooley, R., B. Mobasher, and J. Srivastava (1997). “Web Mining: Information and Pattern Discovery on the World Wide Web,” Proceedings of the 9th IEEE International Conference on Tools with Artificial Intelligence.
[19] Ester, M., H. P. Kriegel, J. Sander and X. Xu (1996). “Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise,” Proceedings of the 1996 International Conference Knowledge Discovery and Data Mining, 226-231.
[20] Evangelos, P. M. and C. E. Chronaki (1998). “A Top-10 Approach to Prefetching on the Web,” Processings of the INET’98 Geneva, Swizerland, 276-290.
[21] Guha, S., R. Rastogi, and K. Shim (1998). “CURE: An Efficient Clustering Algorithm for Large Databases,” Proceedings of the 1998 ACM-SIGMOD International Conference Management of Data (SIGMOD’98), 73-84.
[22] Guha, S., R. Rastogi, and K. Shim (1999). “ROCK: A Robust Clustering Algorithm for Categorical Attribute,” Proceedings of the 1999 International Conference Data Engineering (ICDE’99), 512-521.
[23] Park, J. S., M. S. Chen, and P. Yu (1995). “An Efficient Hash-Based Algorithm for Data Mining Association Rules,” Proceedings of ACM SIGMOD, 175-186.
[24] Lorenzetti, P., L. Rizzo, and L. Vicisano (2000). “Replacement Policies for A Proxy Cache,” IEEE / ACM Transaction on Networking, 8 (2), 158-170.
[25] Swaminathan, N. and S.V. Raghavan (2000). “Intelligent Prefetch in WWW Using Client Behavior Characterization,” International Symposium on Modeling, Analysis and Simulation of Computer and Telecommunication Systems, 13-19.
[26] Agrawal, R., and R. Srikant (1994). “Fast Algorithms for Mining Association Rules,” Proceedings of the 20th International Conference on Very Large Databases.
[27] Schechter, S., M. Krishnan, and M. D. Smith (1998). “Using Path Predict HTTP Request,” Proceedings of the 7th International World Wide Web Conference.
[28] Seung Won Shin, Byeong Hag Seong, and Daeyeon Park (2000). “Improving World-Wide-Web Performance Using Domain-Top Approach to Prefetching,” Proceedings of the 4th International Conference/Exhibition on High Performance Computing in the Asia-Pacific Region, 2, 738-746.
[29] Spiliopoulou, M., and L. C. Faulstich (1998). “WUM: A Tool for Web Utilization Analysis,” In EDBT Workshop WebDB'98.
[30] Wang W., Yang and R. Muntz (1997). “STING: A Statistical Information grid Approach to Spatial Data Mining,” Proceedings of the 1997 International Conference Very Large Data Bases (VLDB’97), 186-195.
[31] Witten, I. H. and E. Frank (2000). Data Mining, Morgan Kaufmann Publishers., San Francisco

指導教授

張瑞益、陳彥良
(Ray-I Chang、Yen-Leiang Chen)

審核日期

2004-7-15

推文