Semantic Session Analysis for Web Usage Mining

A semantic session analysis method partitioning Web usage logs is presented. Semantic Web usage log preparation model enhances usage logs with semantic. The Markov chain model based on ontology semantic measurement is used to identifying which active session a request should belong to. The competitive method is applied to determine the end of the sessions. Compared with other algorithms, more successful sessions are additionally detected by semantic outlier analysis.     

URMG: Enhanced CBMG-Based Method for Automatically Testing Web Applications in the Cloud简

To satisfy the rapid growth of cloud technologies, a large number of web applications have been developed and deployed, and these applications are being run in clouds. Due to the scalability provided by clouds, a single web application may be concurrently visited by several millions or billions of users. Thus, the testing and performance evaluations of these applications are increasingly important. User model based evaluations can significantly reduce the manual work required, and can enable us to determine the performance of applications under real runtime environments. Hence, it has become one of the most popular evaluation methods in both industry and academia. Significant efforts have focused on building different kinds of models using mining web access logs, such as Markov models and Customer Behavior Model Graph （CBMG）. This paper proposes a new kind of model, named the User Representation Model Graph （URMG）, which is built based on CBMG. It uses an algorithm to refine CBMG and optimizes the evaluations execution process. Based on this model, an automatic testing and evaluation system for web applications is designed, implemented, and deployed in our test cloud, which is able to execute all of the analysis and testing operations using only web access logs. In our system, the error rate caused by random access to applications in the execution phase is also reduced, and the results show that the error rate of the evaluation that depends on URMG is 50% less than that which depends on CBMG.     

一种Web应用测试生成与约简方法

软件测试是保证软件质量的一种重要手段,而复杂的Web应用对测试提出了新的要求.提出一种Web应用测试生成与约简方法,该方法对Web应用导航进行形式建模,使用模型检验导航安全性质所输出的反例分化模型,然后根据分化模型产生测试序列,依据Web应用的特性对测试序列集进行约简.实例演示表明该方法的有效性.     

净室统计测试在银行凭证系统的应用研究

基于使用模型的统计测试是统计方法在净室软件测试上的一种应用.本文根据马可夫理论建立银行凭证系统的使用模型,并对基于状态转移矩阵和激励矩阵的马可夫链表示模型进行定量分析.通过比较该模型使用链和测试链之间的差异度,结合定量分析方法为自动化测试的充分性证明提供依据;采用discriminant值和测试人员的基准经验数据,提高软件自动化验证效率,结果表明该方法具有较好的测试收敛性.     

面向用户行为的Web使用挖掘技术

网络技术的广泛使用,使网站争夺用户的竞争愈演愈烈,用户的浏览兴趣、行为模式是网站设计的导向标.对Web使用挖掘的数据收集与预处理技术、模式发现与模式分析技术的理论和方法进行了梳理以及Web使用挖掘在电子商务中的应用,并对Web使用挖掘研究中存在的问题做了一些探讨.     

一个集成Web语义和使用挖掘的个性化模型

介绍Web语义和使用挖掘及个性化服务的基本概念,提出一个集成Web语义和使用挖掘的个性化模型,能进一步提高个性化系统的效率和精度并对模型的体系结构、领域本体论生成以及Web使用挖掘等方面进行了详细的论述.     

一种有效的Web使用挖掘体系结构

对Web挖掘的特征、分类及与其相关的技术和工具进行了分析,针对现有的Web使用挖掘研究中缺乏统一而有效的结构模型的问题,提出了一种有效的Web使用挖掘的体系结构,并详细地分析了利用该结构模型处理Web使用挖掘的过程,最后,利用某大学网站的Web日志数据验证了该结构的有效性.     

Web用户访问模式挖掘

随着网站内容的不断丰富和访问量的增加,网站结构变得越来越复杂,导致信息获取和推送都比较困难.将数据挖掘技术应用于用户访问模式,形成了Web访问模式挖掘.Web访问模式挖掘是从Web访问日志中挖掘有用的用户访问信息,据此可以形成关联规则、序列模式、聚类模式和分类模式等4类信息,这对于优化站点结构、为不同类别的用户提供个性化服务,有效地实现信息获取和信息推送是非常必要的.Web访问模式挖掘是目前数据挖掘领域的一个重要研究课题,结合研究工作,从概念、方法、任务、过程、应用及面临的挑战等方面对其进行了较详细的评述.     

一种支持QoS评价的Web服务推荐模型

提出了一种支持服务质量（QoS）评价的Web服务推荐模型,其核心是根据用户确定的功能和QoS需求,基于现有的QoS评价指数进行服务推荐．该模型可应用于Web服务管理系统、Web服务选取及Web服务组合等应用系统．     

基于UML的软件可靠性测试用例生成的混合模型

为了解决实时控制系统软件可靠性测试用例生成的问题，在分析操作剖面模型和Markov链模型的基础上，提出了一种基于UML的混合模型．该模型用操作剖面模型来定义使用用例，并将状态图嵌入其中以表述该用例的动态特性．通过平展状态图获得使用图，使用图按一定的概率迁移，从而获得用Markov链表示的使用模型，而操作剖面模型定义的使用用例集与Markov链表述的状态迁移模型可结合生成可靠性测试用例．通过雷达波束调度软件可靠性测试表明，按所提模型在各测试周期生成的测试用例集的框架稳定性比较好，测试用例极少出现重复现象，它综合了操作剖面模型和Markov链模型的优点，可用于开发实时控制系统的软件可靠性测试用例．     

基于复杂网络的服务链推荐方法

基于Web服务之间的可调用关系构建一个网络模型并分析了模型的特性.在这个模型上给出了一个服务链推荐方法.在确定可输出满足用户需求参数的Web服务之后,根据从网络模型中提取出的驱动服务集合信息逆向查找可以调用该服务的其他Web服务,以达到为用户推荐组合服务的目的.实验结果证明,本文提出的构建网络模型的方法可行,网络模型符合复杂网络的特性;采用服务链推荐方法可以在网络模型中得到符合用户需求的组合服务链.     

基于语义的Web用户会话识别算法

研究一种基于语义进行Web用户会话识别的算法. 通过建立的语义化预处理模型对使用日志进行扩展,利用基于本体语义度量的Markov链模型识别用户请求所应归属的会话,提出用竞争激励算法判别会话的结束状态. 实验结果表明,基于语义的用户会话识别算法的平均识别率为69.8%,高于时间阈值、向前参考等算法.     

一种组合的Web应用测试建模方法

应用Web建立一个清晰的测试模型能够帮助指导测试工作,为下一步形成测试用例,执行测试奠定基础。在分析Web应用现有测试模型的基础上,提出了一种从对象、导航行为、系统结构3个方面进行分析的建模方法,分别介绍了3种模型的建模方法及相应的测试用例生成办法,扩充了以往对象模型的关系结构,将浏览器行为的影响加入到导航行为模型中,根据控制流和数据流来反映系统结构。这种组合模型充分考虑了Web应用的特性,直观全面地反映了Web应用的各方面关系,能够有效指导测试工作。     

Web应用程序性能测试技术的研究及应用

各种针对性的测试方法和技术不断的出现,然而Web应用程序性能测试相对于软件测试有其自身的特殊性和难点,尤其是面对业务复杂、用户数多的大型系统,怎样使其性能达到符合用户需求的研究具有很强的实际意义。主要针对Web应用的特点和Web应用软件常见性能问题,找出了Web应用性能测试关键问题,研究并提出了解决办法,改进了性能测试模型。根据实际项目,建立合理的性能测试指标体系。并通过性能测试工具LoadRunner对中国移动公司的中国移动经营分析系统（BASS）系统涉及的测试难点作为实例,进行了评测。     

动态页面加速传输算法的研究与实现

针对传统Web缓存技术不能加速动态页面传输的局限性,提出了一个新的动态页面缓存加速算法,实现对动态页面的网络传输加速功能,并且在现有的缓存加速系统squid上实现了该算法,最后对其进行了测试和结果分析．     

基于Servlet的Web数据库接口系统的设计与实现

通过对多种技术方案的分析和比较,选择了Ｓｅｒｖｌｅｔ＋ＪＤＢＣ作为系统的技术方案,通过对大量Ｗｅｂ应用的分析和归类,设计了相应访问接口,实现一个访问Ｗｅｂ数据库的通用接口系统ＷＤＩＳ。     

基于Web使用挖掘的实时聚类算法

本文讨论了基于Web使用挖掘的Web个性化技术，针对个性化系统的功能及特点，论述了相关数据采集、数据预处理技术和模式发现及其在个性化服务中的应用，提出了一个关于个性化系统的实时聚类算法.实验结果表明，该算法不仅有效，而且具有较高的准确度，能适应用户短期浏览的变化.     

基于马尔可夫链的教学阶段性评价和远期预测模型

教学条件基本稳定不变的教学过程具有马尔可夫随机过程的特征,可用马尔可夫链构建数学模型进行教学评价：利用转移矩阵构建转移矩阵的进步矩阵和效率度,建立教学阶段性评价的数学模型;利用转移矩阵的极限向量,建立教学远期效果预测的数学模型。用马尔可夫链建立的数学模型进行评价能较好地反映学习的转变情况,比单纯用分数评价更具合理性。