МЕТОД ПОИСКА ПОСЛЕДОВАТЕЛЬНЫХ ПАТТЕРНОВ ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

Аннотация

Одной из важных задач интеллектуального анализа данных является выделение зако- номерностей и обнаружение связанных событий в последовательных данных на основе анализа последовательных паттернов. В статье исследуются возможность применения последовательных паттернов для анализа событий поисково-познавательной деятельно- сти пользователей при взаимодействии с Интернет-ресурсами открытой информационно- образовательной среды. Поиск последовательных паттернов является сложной вычисли- тельной задачей, цель которой состоит в извлечении всех частых последовательностей, отражающих потенциальные связи внутри элементов из транзакционной базы данных последовательностей событий поисковой активности при заданной минимальной под- держке. Для ее решения в статье предлагается метод поиска закономерностей в последо- вательностях событий для обнаружения скрытых закономерностей, указывающих с воз- можные уровни уязвимости при выполнении задач информационного поиска в Интернет- пространстве. Описана математическая модель поведения пользователей в поисковой сессии, основанная на теории последовательных паттернов. Для повышения вычислитель- ной эффективности метода разработан модифицированный алгоритм генерации последо- вательных паттернов, на первом этапе которого выполняется AprioriAll, формирующий частые последовательности-кандидаты всевозможных длин, а на втором - генетический алгоритм оптимизации входных параметров признакового пространства сгенерированного множества для поиска максимальных паттернов. Проведены серии вычислительных экс- периментов на тестовых данных корпуса MSNBC, библиотеки интеллектуального анализа данных с открытым исходным кодом SPMF. Сравнительной анализ проводился с алгорит- мами VMSP и GSP. Результаты исследований подтвердили эффективность поиска макси- мальных последовательных паттернов предложенным алгоритмом с точки зрения времени выполнения и количества извлеченных паттернов. Результаты проведенных эксперимен- тальных исследований метода показали, что для увеличения стабильности и точности работы размер выборки, полученной в результате работы ГА, позволит сократить необ- ходимое число сканирований базы данных паттернов, обеспечивая приемлемые вычисли- тельные затраты, сопоставимые с алгоритмом VMSP и превосходящий по времени поиска последовательных паттернов алгоритм GSP в среднем более чем на 150%.