網(wǎng)站鏈接結(jié)構(gòu)和使用信息的可視化研究與應(yīng)用

摘要：信息時(shí)代的到來，網(wǎng)站信息量呈現(xiàn)出的爆炸式發(fā)展導(dǎo)致用戶無法定位其中信息，使用網(wǎng)站信息可視化輔助用戶導(dǎo)航網(wǎng)站是解決上述問題的主要方法。由于網(wǎng)站中信息復(fù)雜多變，如何融合展現(xiàn)網(wǎng)站中的各類信息是目前的難點(diǎn)問題。在此使用RadialView樹型布局算法繪制由超鏈接信息組成的網(wǎng)站拓?fù)浣Y(jié)構(gòu)。提出一種可視化規(guī)則在網(wǎng)站結(jié)構(gòu)圖的基礎(chǔ)上添加對(duì)網(wǎng)頁關(guān)聯(lián)、熱度等使用信息的可視化；以聚變數(shù)據(jù)庫網(wǎng)站為實(shí)際應(yīng)用案例，分析了該文關(guān)于網(wǎng)站信息可視化方面的工作在輔助用戶導(dǎo)航網(wǎng)站方面的效果。

關(guān)鍵詞：網(wǎng)站信息可視化；結(jié)構(gòu)信息；網(wǎng)站使用信息；聚變數(shù)據(jù)庫

中圖分類號(hào)：TN91134文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004373X（2012）18006704

引言

隨著網(wǎng)站信息量的擴(kuò)展，網(wǎng)站結(jié)構(gòu)愈加復(fù)雜，如何迅速在網(wǎng)站中尋找信息越來越困難。使用網(wǎng)站信息可視化方法對(duì)網(wǎng)站進(jìn)行導(dǎo)航是解決上述問題的主要途徑[1]，因此網(wǎng)站的信息可視化逐漸成為一個(gè)熱點(diǎn)研究領(lǐng)域。早期使用可視化技術(shù)主要關(guān)注網(wǎng)站的結(jié)構(gòu)信息，如E.H.Chi在文獻(xiàn)[2]中使用conetree的可視化技術(shù)展現(xiàn)WebSpace結(jié)構(gòu)，文獻(xiàn)[3]使用圖布局技術(shù)可視化網(wǎng)站等。但是上述研究無一例外地忽視了網(wǎng)站的一個(gè)重要組成因素：網(wǎng)站用戶。隨著網(wǎng)站用戶的增多以及網(wǎng)站使用信息量的擴(kuò)充，分析并可視化網(wǎng)站使用信息逐漸被提及和關(guān)注，如文獻(xiàn)[45]中可視化了諸如用戶的訪問模式、網(wǎng)頁的訪問頻率等網(wǎng)站使用信息。其中如何將網(wǎng)站的結(jié)構(gòu)信息與日志文件中所包含的使用信息相融合，并以容易理解的方式可視化出來是一個(gè)難點(diǎn)問題。鑒于此，JiyangChen在文獻(xiàn)[6]中提出了一種新的多邊形可視化技術(shù)，可以在保持網(wǎng)站原有鏈接結(jié)構(gòu)的基礎(chǔ)上，展示一種及多種網(wǎng)站使用信息；Makiko在文獻(xiàn)[7]中融合展現(xiàn)了網(wǎng)站鏈接結(jié)構(gòu)信息和訪問模式信息。

基于上述已有的一些網(wǎng)站信息可視化工作，本文提出使用RadialView[8]樹型布局算法對(duì)網(wǎng)站的結(jié)構(gòu)信息進(jìn)行了可視化；并在網(wǎng)站結(jié)構(gòu)信息可視化結(jié)果的基礎(chǔ)上添加網(wǎng)站使用信息的可視化效果。在此認(rèn)為，對(duì)網(wǎng)站的此類信息進(jìn)行可視化能夠輔助用戶在網(wǎng)站中尋找信息，有利于重構(gòu)網(wǎng)站即對(duì)網(wǎng)站內(nèi)容重新布局。

1方法概述

有很多利用信息可視化方法輔助導(dǎo)航網(wǎng)站用戶的案例，其可視化信息內(nèi)容的主要關(guān)注點(diǎn)有：一個(gè)是關(guān)注網(wǎng)站本身的信息結(jié)構(gòu)，因?yàn)橐粋€(gè)清晰的信息空間結(jié)構(gòu)和網(wǎng)頁結(jié)構(gòu)有利于簡化迷失方向的問題；另一個(gè)是可視化網(wǎng)站的使用信息。總之使用網(wǎng)站信息可視化結(jié)果對(duì)輔助用戶導(dǎo)航網(wǎng)站效果較為顯著。

所以本文提出并實(shí)現(xiàn)了一種可視化網(wǎng)站的結(jié)構(gòu)信息和使用信息的方法，具體過程見圖1所示。主要包括以下幾個(gè)步驟：

（1）為了讓用戶可以從總體上把握整個(gè)網(wǎng)站的內(nèi)容分布，對(duì)網(wǎng)站結(jié)構(gòu)一目了然，本文使用網(wǎng)絡(luò)爬蟲工具抓取網(wǎng)站的超鏈接結(jié)構(gòu)信息，使用點(diǎn)線的布局算法，即節(jié)點(diǎn)代表網(wǎng)頁，線代表網(wǎng)頁間的超鏈接關(guān)系，繪制網(wǎng)站的結(jié)構(gòu)圖形，生成網(wǎng)站地圖。

（2）本文還從網(wǎng)站的服務(wù)器日志中提取網(wǎng)頁的熱度信息和關(guān)聯(lián)信息，目的讓用戶可以選擇對(duì)熱度值較高的網(wǎng)頁進(jìn)行訪問，同時(shí)在選擇某個(gè)網(wǎng)頁時(shí)，與該網(wǎng)頁相關(guān)的一系列網(wǎng)頁呈現(xiàn)給用戶，從而減少用戶導(dǎo)航網(wǎng)站時(shí)間，提高信息命中率。

（3）為了在一個(gè)可視化空間內(nèi)有效展現(xiàn)網(wǎng)站中各類信息，本文定義一套可視化策略，用以融合顯示網(wǎng)站背后隱藏的使用信息和網(wǎng)站結(jié)構(gòu)信息。

由圖1可知，本文關(guān)于網(wǎng)站信息可視化的工作主要分為兩部分，即網(wǎng)站信息的提取和具體信息的可視化。

2網(wǎng)站信息的提取

網(wǎng)站信息可視化的前提是要獲取網(wǎng)站中的各類信息，本文實(shí)現(xiàn)網(wǎng)站信息可視化的數(shù)據(jù)主要來源于：

（1）通過網(wǎng)絡(luò)爬蟲工作構(gòu)建的網(wǎng)站拓?fù)浣Y(jié)構(gòu)信息。

（2）通過網(wǎng)站服務(wù)器日志獲取的網(wǎng)頁關(guān)聯(lián)和熱度信息。

本文使用的服務(wù)器日志數(shù)據(jù)默認(rèn)是標(biāo)準(zhǔn)的格式，即收錄了網(wǎng)站用戶的IP、訪問的網(wǎng)頁URL和時(shí)間等信息。

2.1結(jié)構(gòu)信息的提取

網(wǎng)站中負(fù)責(zé)頁面間跳轉(zhuǎn)的是網(wǎng)頁中的超鏈接信息，可以將超鏈接視為線，網(wǎng)頁視為結(jié)點(diǎn)，這樣就組成了一個(gè)圖的結(jié)構(gòu)，被稱之為網(wǎng)站的拓?fù)浣Y(jié)構(gòu)。本文使用基于htmlparser[9]的網(wǎng)絡(luò)爬蟲工具提取網(wǎng)頁中的超鏈接信息，同時(shí)剔除了網(wǎng)頁中夾雜的無效鏈接、多媒體鏈接和站外鏈接。由于網(wǎng)站拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出來是圖結(jié)構(gòu)，不利于用戶的理解和導(dǎo)航，本文擬將其組織成層次性結(jié)構(gòu)，所以本文特別設(shè)計(jì)了圖的廣度遍歷算法將網(wǎng)站的拓?fù)浣Y(jié)構(gòu)轉(zhuǎn)換成樹型結(jié)構(gòu)，以便用戶認(rèn)知和使用。

2.2使用信息的提取

（1）網(wǎng)頁間關(guān)聯(lián)信息的提取

網(wǎng)頁關(guān)聯(lián)關(guān)系的提取過程如圖2所示，首先對(duì)網(wǎng)站服務(wù)器日志進(jìn)行預(yù)處理，識(shí)別出其中的會(huì)話，如圖2（a）中對(duì)會(huì)話期間訪問的網(wǎng)頁進(jìn)行標(biāo)識(shí)；接著使用關(guān)聯(lián)規(guī)則算法分析會(huì)話期間訪問的網(wǎng)頁集合，如圖2（b）所示，得到最終的最大頻繁項(xiàng)集，可以認(rèn)為該項(xiàng)集中的網(wǎng)頁具有一定潛在的關(guān)聯(lián)關(guān)系。

（2）網(wǎng)頁熱度信息的提取

使用一般的統(tǒng)計(jì)方法抽取網(wǎng)頁的熱度信息，以標(biāo)識(shí)a的網(wǎng)頁為例，從處理過后的日志數(shù)據(jù)中可以得到所有網(wǎng)頁出現(xiàn)的次數(shù)：maxValue，網(wǎng)頁a出現(xiàn)的次數(shù)為a.num，那么可以認(rèn)為網(wǎng)頁a的熱度信息值：a.hot=f（a.num/maxValue）3網(wǎng)站信息的可視化

本文的基礎(chǔ)工作是對(duì)網(wǎng)站結(jié)構(gòu)信息的可視化。由于網(wǎng)站結(jié)構(gòu)復(fù)雜，不利于用戶理解和認(rèn)知，所以本文在對(duì)網(wǎng)站結(jié)構(gòu)進(jìn)行可視化的同時(shí)，提出一種可視化策略，用以融合網(wǎng)頁的熱度信息和關(guān)聯(lián)信息。其中熱度信息用于簡化網(wǎng)站的拓?fù)浣Y(jié)構(gòu)，關(guān)聯(lián)信息用于增強(qiáng)網(wǎng)站信息可視化的使用效果。

3.1結(jié)構(gòu)信息的可視化

在網(wǎng)站的信息可視化中，所使用的信息可視化技術(shù)不僅要增強(qiáng)單個(gè)頁面的可理解性，還要揭示整個(gè)網(wǎng)站的結(jié)構(gòu)。本文采用點(diǎn)線的方式繪制網(wǎng)站結(jié)構(gòu)，結(jié)點(diǎn)代表網(wǎng)頁，線代表網(wǎng)頁間的超鏈接關(guān)系，當(dāng)視某個(gè)網(wǎng)頁為根節(jié)點(diǎn)時(shí)，該網(wǎng)頁中超鏈接所指向的網(wǎng)頁作為其子節(jié)點(diǎn)，這種鏈接關(guān)系被描述成圖3所示的父親孩子結(jié)構(gòu)。

鑒于網(wǎng)站內(nèi)容組織結(jié)構(gòu)具有層次性的特點(diǎn)，在此采用樹型結(jié)構(gòu)來展現(xiàn)網(wǎng)站。此外網(wǎng)站信息結(jié)構(gòu)的還具有如下特點(diǎn)：

（1）網(wǎng)站鏈接結(jié)構(gòu)具有層次性，網(wǎng)頁結(jié)點(diǎn)繁多，可視化樹的葉子結(jié)點(diǎn)數(shù)量龐大。

（2）網(wǎng)站中有效數(shù)據(jù)大都分布在樹型結(jié)構(gòu)中葉子結(jié)點(diǎn)頁面。