用户行为驱动的网页布局自动调整的研究 牛永洁1,张成2 (1延安大学计算中心,延安,716000:2.延安大学网络中心,延安,716000 摘要:在传统的Web网站中,网页的布局往往由网页制作人员安排并很少变化。为了更好的为网络用 户提供服务,提出通过对Web日志的数据清洗,识别出每个用户在一个会话期内访问的页面,依据网页内 容在逻辑上的关系和用户经常访问的页面,得到用户对网页内容的兴趣度矩阵及各子项目的兴趣度矩阵 对网络用户根据兴趣度矩阵进行层次化的分类,得到每个用户所属的类别。当用户访问网站时,根据该用 户所属的类别进行网页布局的自动调整,让用户能够方便、快捷地访问到自己感兴趣的页面。这样能够给 每个用户提供更加个性化、柔软的服务,增加了网站的服务效果和用户对于网站的信赖,避免用户迷失在 海量数据中 关键词:用户行为:Web挖掘:分类;兴趣度;网页布局 User Behavior-driven Automatic Adjustment of Page Layout Niu Yong Jie, Zhang Cheng (1. Computing Center, Yanan University, Yan'an, 716000 2. Network Center, Yan'an University, Yan'an, 716000) Abstract: In a traditional Web site, the page layout was often arranged by the web production staff, and very few changes. In order to better provide services for network users, the datum of Web log were cleaned, each user to access a page during a session was identified, according to the logical relationship of web content and pages which were frequently visited to get interest matrix about content and the sub-item. Web users were hierarchical classified by these matrices. When users visited the Web site, page layout was automatic adjusted by the categories of the users. Users can quickly and easily access interesting pages. This will give each user more personalized, flexible services, service performance of site and trust of user were increased to prevent the user lost in the mass Keywords: user behavior; Web mining; classification; interesting degree, page layout lweb使用挖掘 随着信息技术与计算机技术的飞速发展,人们的生活、工作、学习等各方面都与互联网 紧密相关。目前,在互联网上的信息量正在迅猛的增长,可以使用海量来描述,为避免用户 淹没在海量数据中,同时为更好的服务于互联网用户,web挖掘就显得十分有必要。根据 挖掘过程中关注对象的不同,web挖掘可分为web内容挖掘、web结构挖掘、web使用挖 掘、Web用户性质挖掘等。其中Web使用挖掘,即Wb用户行为模式挖掘。可分为一般 访问模式分析、分析定制web站点等。能够满足用户个性化的需要,是Web挖掘的一个 分支和重要组成部分。 目前,绝大部分的门户网站都包含了大量的内容与信息供不同的用户浏览与访问。但是 网站中网页的布局在制作过程中被固定以后,基本不会再发生变化,变化的大多是网页里面 的内容与图片,有的网站为了增加网站的浏览量或者用户的兴趣,在不同的时间会变换网站 的背景、主题颜色等。但真正吸引用户的除了网页的内容外,网站使用或者浏览时的方便、 快捷性也是一个重要的因素。正是基于这样的考虑,本文提出了一种能够根据用户浏览网站 时的行为动态调整网页布局的方法,该方法能够根据不同的用户呈现出不同的网页布局, 够让用户最快的在网页中找到并浏览自己感兴趣的内容 Web用户行为模式的挖掘结构千差万别,但基本的Web用户行为模式挖掘结构包括数 据源、数据预处理、模式挖掘、模式分析、模式应用几个部分鬥。如图1所示 作者简介:牛永洁(1977-),男,讲师硕士,研究方向:软件工程、数据挖掘。 Email: niuyongjie@163com 基金项目:延安市科学技术研究发展计划项目:基于SOA的企业电子服务理论与关键技术研究(项目编号: 2009KG-10)CCF会员,会员编号:E200009256M
作者简介：牛永洁（1977—），男，讲师/硕士，研究方向：软件工程、数据挖掘。Email:niuyongjie@163.com. 基金项目：延安市科学技术研究发展计划项目：基于 SOA 的企业电子服务理论与关键技术研究（项目编号： 2009KG-10）CCF 会员，会员编号：E200009256M. 用户行为驱动的网页布局自动调整的研究 牛永洁 1，张成 2 （1.延安大学计算中心，延安，716000；2.延安大学网络中心，延安，716000) 摘要：在传统的 Web 网站中，网页的布局往往由网页制作人员安排并很少变化。为了更好的为网络用 户提供服务，提出通过对 Web 日志的数据清洗，识别出每个用户在一个会话期内访问的页面，依据网页内 容在逻辑上的关系和用户经常访问的页面，得到用户对网页内容的兴趣度矩阵及各子项目的兴趣度矩阵。 对网络用户根据兴趣度矩阵进行层次化的分类，得到每个用户所属的类别。当用户访问网站时，根据该用 户所属的类别进行网页布局的自动调整，让用户能够方便、快捷地访问到自己感兴趣的页面。这样能够给 每个用户提供更加个性化、柔软的服务，增加了网站的服务效果和用户对于网站的信赖，避免用户迷失在 海量数据中。 关键词：用户行为；Web 挖掘；分类；兴趣度；网页布局 User Behavior-driven Automatic Adjustment of Page Layout Niu Yong Jie1 , Zhang Cheng2 (1.Computing Center, Yan’an University, Yan’an, 716000; 2. Network Center, Yan’an University, Yan’an, 716000) Abstract: In a traditional Web site, the page layout was often arranged by the web production staff, and very few changes. In order to better provide services for network users, the datum of Web log were cleaned, each user to access a page during a session was identified, according to the logical relationship of web content and pages which were frequently visited to get interest matrix about content and the sub-item. Web users were hierarchical classified by these matrices. When users visited the Web site, page layout was automatic adjusted by the categories of the users. Users can quickly and easily access interesting pages. This will give each user more personalized, flexible services, service performance of site and trust of user were increased to prevent the user lost in the mass data. Keywords: user behavior; Web mining; classification; interesting degree; page layout 1 Web 使用挖掘 随着信息技术与计算机技术的飞速发展，人们的生活、工作、学习等各方面都与互联网 紧密相关。目前，在互联网上的信息量正在迅猛的增长，可以使用海量来描述，为避免用户 淹没在海量数据中，同时为更好的服务于互联网用户，Web 挖掘就显得十分有必要。根据 挖掘过程中关注对象的不同，Web 挖掘可分为 Web 内容挖掘、Web 结构挖掘、Web 使用挖 掘、Web 用户性质挖掘等[1]。其中 Web 使用挖掘，即 Web 用户行为模式挖掘。可分为一般 访问模式分析、分析定制 Web 站点等。 能够满足用户个性化的需要，是 Web 挖掘的一个 分支和重要组成部分。 目前，绝大部分的门户网站都包含了大量的内容与信息供不同的用户浏览与访问。但是 网站中网页的布局在制作过程中被固定以后，基本不会再发生变化，变化的大多是网页里面 的内容与图片，有的网站为了增加网站的浏览量或者用户的兴趣，在不同的时间会变换网站 的背景、主题颜色等。但真正吸引用户的除了网页的内容外，网站使用或者浏览时的方便、 快捷性也是一个重要的因素。正是基于这样的考虑，本文提出了一种能够根据用户浏览网站 时的行为动态调整网页布局的方法，该方法能够根据不同的用户呈现出不同的网页布局，能 够让用户最快的在网页中找到并浏览自己感兴趣的内容。 Web 用户行为模式的挖掘结构千差万别，但基本的 Web 用户行为模式挖掘结构包括数 据源、数据预处理、模式挖掘、模式分析、模式应用几个部分[2]。如图 1 所示
数据源 数据预处理 模式挖掘 数据定制 统计分析 服务器日志 用户识别 关联规则挖掘 引用者日志 会话识别 序列模式挖掘 代理日志 事务识别 聚类/分类 注册信息 数据清洗 依赖性分析 模式分析 个性化 信息过滤 网络安全 网站优化 知识查询 系统优化 OLAP 匚网站营销 图1Web用户行为模式挖掘基本体系结构 2用户行为模式的挖掘 21数据预处理 在传统的Web用户行为模式挖掘方法中,基本都是采用Web日志作为数据源。如果 单纯使用Web日志,在用户识别过程中一般只能采用IP地址对用户识别,而不能区分不同 用户使用同一P地址的情况。这就造成用户识别不准确,为后面用户行为模式的挖掘带来 了干扰。本方法采用自定义的日志系统与Web日志系统相结合的方法进行,提高了用户识 别的准确度。 在每个用户登录网站系统时,在数据库中记录登录的用户名和该用户的会话ID ( Session ld)。Web日志采用符合W3C扩展日志格式的文件,在该日志文件中,分别获取 日期(date)、时间(time)、用户名( CS-username)、服务名(s- sitename)、服务器名 (s- computername)、URI资源( CS-urI-stem)、 Cookie字段。在Web日志中,由于通常用 户没有进行注册,故一般都为占位符所替代。而且每个用户在访问一个页面时,会自动同时 请求与该页面相关的图片及脚本代码等资源文件,所以需要将与这些资源请求有关的记录删 除掉,得到仅与内容相关的网页记录。 为了得到完整的关于用户访问网站的信息,将自定义的日志系统与Web日志系统通过 Session Id进行连接,就得到了完整的用户访问网站的信息,每个信息字段使用空格进行分 隔。一条完整的日志信息如图2所示 201006-25130222用户名网站名计算机名 /yd/sports. aspx ASP NET Session Id=fsnvds4 shkz 3mh31 frfvwb30 图2一条完整的日志记录 按照每条记录中用户名的不同对所有记录分组,在每个组内并按照时间进行排序,于是 得到每个用户在一段时间内访问网站所有页面的集合P。P={B,P2…,P,i∈U},U为网站 所有用户的集合,i表示网站的第i个用户。 22用户兴趣度的计算 个网站可能包括数量众多的若干个不同的网页,为了计算用户的兴趣度,应该先完成
数据源 服务器日志 引用者日志 代理日志 注册信息 数据预处理 数据定制 用户识别 会话识别 事务识别 数据清洗 模式挖掘 统计分析 关联规则挖掘 序列模式挖掘 聚类/分类 依赖性分析 模式分析 信息过滤 知识查询 OLAP 模式应用 个性化 网络安全 网站优化 系统优化 网站营销 图 1 Web 用户行为模式挖掘基本体系结构 2 用户行为模式的挖掘 2.1 数据预处理 在传统的 Web 用户行为模式挖掘方法中，基本都是采用 Web 日志作为数据源[3-5]。如果 单纯使用 Web 日志，在用户识别过程中一般只能采用 IP 地址对用户识别，而不能区分不同 用户使用同一 IP 地址的情况。这就造成用户识别不准确，为后面用户行为模式的挖掘带来 了干扰。本方法采用自定义的日志系统与 Web 日志系统相结合的方法进行，提高了用户识 别的准确度。 在每个用户登录网站系统时，在数据库中记录登录的用户名和该用户的会话 ID （Session_Id）。Web 日志采用符合 W3C 扩展日志格式的文件，在该日志文件中，分别获取 日期（date）、时间（time）、用户名（cs-username）、服务名（s-sitename）、服务器名 （s-computername）、URI 资源（cs-uri-stem）、Cookie 字段。 在 Web 日志中，由于通常用 户没有进行注册，故一般都为占位符所替代。而且每个用户在访问一个页面时，会自动同时 请求与该页面相关的图片及脚本代码等资源文件，所以需要将与这些资源请求有关的记录删 除掉，得到仅与内容相关的网页记录。 为了得到完整的关于用户访问网站的信息，将自定义的日志系统与 Web 日志系统通过 Session_Id 进行连接，就得到了完整的用户访问网站的信息，每个信息字段使用空格进行分 隔。一条完整的日志信息如图 2 所示。 2010-06-25 13:02:22 用户名 网站名 计算机名 /yd/sports.aspx ASP.NET_Session_Id=fsnvds45hkz3mh31frfvwb30 图 2 一条完整的日志记录 按照每条记录中用户名的不同对所有记录分组，在每个组内并按照时间进行排序，于是 得到每个用户在一段时间内访问网站所有页面的集合 P。 1 2 { , ,..., , } P P P P i U i ,U 为网站 所有用户的集合，i 表示网站的第 i 个用户。 2.2 用户兴趣度的计算 一个网站可能包括数量众多的若干个不同的网页，为了计算用户的兴趣度，应该先完成
两个任务:基于内容的网站结构划分与用户行为轮廓的识别68。一个门户网站按照网页的 内容可以被划分为图3所示的层次结构。 图3网站内容层次结构 将根看作0层,将新闻、体育等称为一级项目,相应的将国内、国际等称为二级项目 对每一个节点按照层次+所属类别+位置顺序进行编号,比如足球的编号为221,其中第一个 2表示它位于第二层,第二个2表示它属于体育项目,1表示它位于体育项目子节点的第 个,按照这个规律,电视的编号为232。而第二层的节点的编号只有两位,比如体育的编号 为12,1代表它属于第一层,2代表它属于体育项。在网站中的每个网页都可以根据其内容 将其划到图3中的某一项,即网站中的每一个网页都有一个对应的编号存在。 按照用户在网站中浏览网页的顺序及网页所属项目的不同,可以将用户的行为分为三种 不同的方向,向下浏览、向上浏览、侧向浏览。其中向下浏览、向上浏览动作发生在同一个 项目之中,而跨越不同项目之间的网页浏览都属于侧向浏览。向下浏览的顺序是用户从根(主 页)进入某一项目(比如体育),然后由体育页面又进入关于排球的页面。向上浏览的顺序 与向下浏览的顺序刚好相反。侧向浏览是指用户从一个项目中直接进入另外的一个项目,比 如从排球页面直接进入电视页面,或者直接从国际页面直接进入了娱乐页面。用户浏览网页 方向的示意如图4所示。 图4浏览方向的说明 在集合P中的日志记录中,首先将网页全部更换为与之对应的编码,然后对于每个用 户的页面集合P,按照 Session ld的不同分组,每一个分组标志着用户访问网站的一次会话, 根据网页的编码,将每个用户每个会话中浏览方向为向上的记录删除,只保留浏览方向是向 下与侧向的记录。然后再删除所有非最底层的网页,即删掉所有编号长度只有1和2的记录 经过删除的记录构成了集合PS,被编码替换及清理以后的日志记录如图5所示。 010-092513:0222用户名网站名计算机名2 ASP NET Session Id= - finds45hkz3mh3 I firfywb30 图5清理后的日志记录 根据PS按照下面的步骤计算用户的兴趣度。 (1)对每个用户构建一个二维表T1。表中的每一行表示一个一级项目,每一列表 二级项目。表中每个单元格的初始值为0
两个任务：基于内容的网站结构划分与用户行为轮廓的识别[6-8]。一个门户网站按照网页的 内容可以被划分为图 3 所示的层次结构。 根 根 根 根 根 根 根 ... 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 图 3 网站内容层次结构 将根看作 0 层，将新闻、体育等称为一级项目，相应的将国内、国际等称为二级项目。 对每一个节点按照层次+所属类别+位置顺序进行编号，比如足球的编号为 221，其中第一个 2 表示它位于第二层，第二个 2 表示它属于体育项目，1 表示它位于体育项目子节点的第一 个，按照这个规律，电视的编号为 232。而第二层的节点的编号只有两位，比如体育的编号 为 12，1 代表它属于第一层，2 代表它属于体育项。在网站中的每个网页都可以根据其内容 将其划到图 3 中的某一项，即网站中的每一个网页都有一个对应的编号存在。 按照用户在网站中浏览网页的顺序及网页所属项目的不同，可以将用户的行为分为三种 不同的方向，向下浏览、向上浏览、侧向浏览。其中向下浏览、向上浏览动作发生在同一个 项目之中，而跨越不同项目之间的网页浏览都属于侧向浏览。向下浏览的顺序是用户从根（主 页）进入某一项目（比如体育），然后由体育页面又进入关于排球的页面。向上浏览的顺序 与向下浏览的顺序刚好相反。侧向浏览是指用户从一个项目中直接进入另外的一个项目，比 如从排球页面直接进入电视页面，或者直接从国际页面直接进入了娱乐页面。用户浏览网页 方向的示意如图 4 所示。 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 根 图 4 浏览方向的说明 在集合 P 中的日志记录中，首先将网页全部更换为与之对应的编码，然后对于每个用 户的页面集合 Pi，按照 Session_Id 的不同分组，每一个分组标志着用户访问网站的一次会话， 根据网页的编码，将每个用户每个会话中浏览方向为向上的记录删除，只保留浏览方向是向 下与侧向的记录。然后再删除所有非最底层的网页，即删掉所有编号长度只有 1 和 2 的记录。 经过删除的记录构成了集合 PS， 被编码替换及清理以后的日志记录如图 5 所示。 2010-09-25 13:02:22 用户名 网站名 计算机名 211 ASP.NET_Session_Id=fsnvds45hkz3mh31frfvwb30 图 5 清理后的日志记录 根据 PS 按照下面的步骤计算用户的兴趣度。 (1)对每个用户构建一个二维表 Ti。表中的每一行表示一个一级项目，每一列表示一个 二级项目。表中每个单元格的初始值为 0
(2)读取日志中关于请求页面的编码abe,截取后两位,在b行c列单元格中加1。 (3)PS1中记录结束,终止,否则转步骤(2)。 (4)寻找表T中的最大值Max,次大值 Sub max与第三大值 Th max。它们处于的行代 表了该用户最感兴趣的三个一级项目,而每一行中数字的最大值与次大值表示了该用户对于 该子项目感兴趣的二级项目的程度。 例如用户i的兴趣度如表1所示 表1用户i的兴趣度矩阵 第一个二级项目第二个二级项目第三个二级项目 新闻 3215 5897 体育 3598 娱乐 4831 4 在表1中,最大值是5897,次大值是4831,第三大值是4325,表明用户i兴趣度由大 到小的顺序是新闻>娱乐>体育,而在体育项目中兴趣度的顺序分别为足球>篮球>排球。 23用户分类与实施方案 根据用户的兴趣度,可以将用户进行多层次的分类,比如依据用户的最大兴趣度,使用 判定树进行分类,判定树与图3的网站内容层次结构相似,称该判定树为最大兴趣度判定树, 同理,可以依据每个用户的第二兴趣度建立第二兴趣度判定树;根据系统的具体情况可以适 当决定用户分类层次的深度 根据用户浏览网站的Web日志和自定义的日志,经过数据清洗,依据网站内容的层次 结构计算用户兴趣度,进而对用户进行分类,整个过程在网站的后台离线进行。当一个用户 登录网站后,根据最大兴趣度判定树判定该用户所属的最大兴趣类别,同理也可以根据用户 的第二兴趣度判定树得到该用户的第二兴趣类别。比如用户UA根据最大兴趣度属于体育/ 篮球类,而根据第二兴趣度该用户属于娱乐/电视类,那么该用户一旦登录网站,网站主页 应将体育、娱乐模块放在网页的主要位置,而且在关于体育的模块中应该将籃球放在首要位 置,而在娱乐模块中,将电视放在首要位置,让用户更加方便的浏览自己最感兴趣的内容 对网页布局控制的方法有多种,使用表格对网页进行布局缺乏灵活性,使用 DIV+CSS的方法目前比较流行,但是该技术缺乏定制性,文献[0采用了JSP标签库技术 此技术缺乏通用性,文献([使用的XML技术比较灵活且具有通用性 3.结论 为更好的服务网络用户,吸引用户对网站的浏览与访问,应根据用户的行为模式实现对 网站的个性化设置,即不同的用户登录同一网站时因用户兴趣度的不同,网站的页面布局应 有所不同,使用本文提出的方法计算每个用户的兴趣度,并对用户分类,根据用户不同的类 别动态调整网站的布局,该方法具有一定的创新性、实用性。但也存在不足,就是要求用户 浏览网站时应登录网站,否则,本文中的方法将退化为使用IP地址来识别用户 参考文献 l]杨风雷,阎保平web用户行为模式挖掘研究门微电子学与计算机.2008, 25(11)146-149 [2]杨风雷,阎保平新的web用户行为统计分析系统研究和实现计算机应用研 究,2008,25(9)2758-2761 3]潘莹,梁京章,黎慧娟基于K- means算法的校园网用户行为聚类分析卩计算技术 与自动化2007,26(1)669 [4]周爱武,程博,李孙长等Web日志挖掘中的会话识别方法计算机工程与设 计2010,31(5):936-938
(2)读取日志中关于请求页面的编码 abc，截取后两位，在 b 行 c 列单元格中加 1。 (3)PSi中记录结束，终止，否则转步骤(2)。 (4)寻找表 Ti中的最大值 Max，次大值 Sub_max 与第三大值 Th_max。它们处于的行代 表了该用户最感兴趣的三个一级项目，而每一行中数字的最大值与次大值表示了该用户对于 该子项目感兴趣的二级项目的程度。 例如用户 i 的兴趣度如表 1 所示。 表 1 用户 i 的兴趣度矩阵 第一个二级项目 第二个二级项目 第三个二级项目 新闻 3215 5897 2 体育 4325 3 3598 娱乐 7 4831 4 … … … … 在表 1 中，最大值是 5897，次大值是 4831，第三大值是 4325，表明用户 i 兴趣度由大 到小的顺序是新闻>娱乐>体育，而在体育项目中兴趣度的顺序分别为足球>篮球>排球。 2.3 用户分类与实施方案 根据用户的兴趣度，可以将用户进行多层次的分类，比如依据用户的最大兴趣度，使用 判定树进行分类，判定树与图 3 的网站内容层次结构相似，称该判定树为最大兴趣度判定树， 同理，可以依据每个用户的第二兴趣度建立第二兴趣度判定树；根据系统的具体情况可以适 当决定用户分类层次的深度。 根据用户浏览网站的 Web 日志和自定义的日志，经过数据清洗，依据网站内容的层次 结构计算用户兴趣度，进而对用户进行分类，整个过程在网站的后台离线进行。当一个用户 登录网站后，根据最大兴趣度判定树判定该用户所属的最大兴趣类别，同理也可以根据用户 的第二兴趣度判定树得到该用户的第二兴趣类别。比如用户 UA 根据最大兴趣度属于体育/ 篮球类，而根据第二兴趣度该用户属于娱乐/电视类，那么该用户一旦登录网站，网站主页 应将体育、娱乐模块放在网页的主要位置，而且在关于体育的模块中应该将篮球放在首要位 置，而在娱乐模块中，将电视放在首要位置，让用户更加方便的浏览自己最感兴趣的内容。 对网页布局控制的方法有多种 [9,10]，使用表格对网页进行布局缺乏灵活性，使用 DIV+CSS 的方法目前比较流行，但是该技术缺乏定制性，文献[10]采用了 JSP 标签库技术， 此技术缺乏通用性，文献[11]使用的 XML 技术比较灵活且具有通用性。 3.结论 为更好的服务网络用户，吸引用户对网站的浏览与访问，应根据用户的行为模式实现对 网站的个性化设置，即不同的用户登录同一网站时因用户兴趣度的不同，网站的页面布局应 有所不同，使用本文提出的方法计算每个用户的兴趣度，并对用户分类，根据用户不同的类 别动态调整网站的布局，该方法具有一定的创新性、实用性。但也存在不足，就是要求用户 浏览网站时应登录网站，否则，本文中的方法将退化为使用 IP 地址来识别用户。 参考文献 [1] 杨风雷，阎保平.Web 用户行为模式挖掘研究[J].微电子学与计算机.2008, 25(11):146-149. [2] 杨风雷，阎保平.新的 Web 用户行为统计分析系统研究和实现[J].计算机应用研 究.2008, 25(9):2758-2761. [3] 潘莹，梁京章，黎慧娟.基于 K-means 算法的校园网用户行为聚类分析[J].计算技术 与自动化.2007, 26(1):66-69. [4] 周爱武，程博，李孙长等.Web 日志挖掘中的会话识别方法[J].计算机工程与设 计.2010, 31(5):936-938
[S]赵文忠,张长利,房俊龙Web日志挖掘在农业网站的应用东北农业大学学 报2010,41(8)135-140 6]王攀,张顺颐,陈雪娇基于动态行为轮廓库的web用户行为分析关键技术门计算 机技术与发展2009,19(2)20-23 7马卫东,李幼平,马建国等面向Web网页的区域用户行为实证研究门计算机学 报2008,31(6)960-966 [8]赵海燕,戴佳筑,施善基于用户行为编码的数据库入侵检测模型门计算机应用与 软件2010,27(297-99 9]卢雷,万建成,鹿旭东等基于Web应用特点的界面组成及交互模型门计算机工程 与设计2006,27(23)4551-4554 [10]李诺,曹勇刚,金茂忠可定制高可用性Web应用程序界面的设计和实现门计算机 工程与设计2005,26(4)862-866 l]朱红果,钟志农,陈宏盛等基于XML的界面管理技术软件技术2006 25(2):89-90
[5] 赵文忠，张长利，房俊龙.Web 日志挖掘在农业网站的应用[J].东北农业大学学 报.2010, 41(8):135-140. [6] 王攀，张顺颐，陈雪娇.基于动态行为轮廓库的 Web 用户行为分析关键技术[J].计算 机技术与发展.2009, 19(2):20-23. [7] 马卫东，李幼平，马建国等.面向 Web 网页的区域用户行为实证研究[J].计算机学 报.2008, 31(6):960-966. [8] 赵海燕，戴佳筑，施善.基于用户行为编码的数据库入侵检测模型[J].计算机应用与 软件.2010, 27(2):97-99. [9] 卢雷，万建成，鹿旭东等.基于 Web 应用特点的界面组成及交互模型[J].计算机工程 与设计.2006, 27(23):4551-4554. [10] 李诺，曹勇刚，金茂忠.可定制高可用性 Web 应用程序界面的设计和实现[J].计算机 工程与设计.2005, 26(4):862-866. [11] 朱红果，钟志农，陈宏盛等.基于 XML 的界面管理技术[J].软件技术.2006, 25(2):89-90