- Page 1 and 2: METODOLOGIA DE MINERAÇÃO DE DADOS
- Page 4 and 5: AgradecimentosAo Prof. Nelson, por
- Page 6 and 7: Abstract of Thesis presented to COP
- Page 8 and 9: 4.2 Nova abordagem ................
- Page 10 and 11: Índice de figurasFigura 1.1 - Tipo
- Page 12 and 13: Figura 6.32 - Estatísticas dos int
- Page 14 and 15: Índice de tabelasTabela 1.1 - Defi
- Page 16 and 17: & KOWALCZYK, 2005, SPILIOPOULOU et
- Page 18 and 19: • Os dados de perfil de usuário
- Page 20 and 21: LIU et al. (2002) onde, através de
- Page 24 and 25: No capítulo 3 são apresentadas as
- Page 26 and 27: Figura 2.1 - Diagrama simplificado
- Page 28 and 29: BRANDMAN et al. (1999) fazem um est
- Page 30 and 31: Conteúdo Campo Definiçãoshasta04
- Page 32 and 33: Esta fase de pré-processamento, ju
- Page 34 and 35: owser dos usuários e têm a funç
- Page 36 and 37: 2.3.2 Descobrimento de padrõesUma
- Page 38 and 39: • A => C (suporte = 50%, confian
- Page 40 and 41: 2.3.2.4 ClassificaçãoUma tarefa d
- Page 42 and 43: 2.5 FerramentasAs ferramentas 3 par
- Page 44 and 45: pacote quanto de serviço. Seus pre
- Page 46 and 47: O projeto WebSIFT (Web Site Informa
- Page 48 and 49: as associações existentes entre p
- Page 50 and 51: às propriedades específicas do we
- Page 52 and 53: Capítulo 3ComportamentoO comportam
- Page 54 and 55: • usar procedimentos objetivos na
- Page 56 and 57: 3.1.1 Behaviorismo RadicalNenhum pe
- Page 58 and 59: organismo não é nem gerente nem i
- Page 60 and 61: Neste diagrama, o S D indica o est
- Page 62 and 63: Todos estes processos são respons
- Page 64 and 65: científica dos séculos 16 e 17, a
- Page 66 and 67: (software) e o cérebro um meio fí
- Page 68 and 69: No caso da web, esta usabilidade en
- Page 70 and 71: Capítulo 4MetodologiaQuando se tra
- Page 72 and 73:
Além disso, TANASA (2005) enumera
- Page 74 and 75:
4.2 Nova abordagemPara que a técni
- Page 76 and 77:
Web Usage Mining não se preocupam
- Page 78 and 79:
propósito distinto para cada usuá
- Page 80 and 81:
Apesar dos padrões encontrados pos
- Page 82 and 83:
Capítulo 5ValidaçãoPara validar
- Page 84 and 85:
5.1 Pré-processamentoPara o tratam
- Page 86 and 87:
10. Associacao_uri_stem.py: avalia
- Page 88 and 89:
Para cada conjunto neste grupo, o C
- Page 90 and 91:
• Seqüência máxima em memória
- Page 92 and 93:
Capítulo 6Estudo de caso 1O primei
- Page 94 and 95:
6.1 Características dos acessosCom
- Page 96 and 97:
Figura 6.4 - Atividades por dia da
- Page 98 and 99:
Utilizando o critério de time-out
- Page 100 and 101:
Figura 6.6 - Histograma do tamanho
- Page 102 and 103:
Figura 6.9 - Histograma de tempo en
- Page 104 and 105:
Ordem Página Qtde1 /2004/index.sht
- Page 106 and 107:
Figura 6.11 - Resultado do cálculo
- Page 108 and 109:
Figura 6.13 - Regras obtidasAs pág
- Page 110 and 111:
classificar e rotular os grupos de
- Page 112 and 113:
Para a análise dos intervalos (qua
- Page 114 and 115:
Este caso é um exemplo de bom func
- Page 116 and 117:
Também faz parte deste detalhament
- Page 118 and 119:
Este é um exemplo onde as duas pá
- Page 120 and 121:
As estatísticas do tempo total de
- Page 122 and 123:
com o especialista, como este tempo
- Page 124 and 125:
As estatísticas do tempo total de
- Page 126 and 127:
Apesar da confiança baixa (16%), e
- Page 128 and 129:
Na Figura 6.30 estão apresentadas
- Page 130 and 131:
As estatísticas mostradas na Figur
- Page 133 and 134:
6.12 Outras hipótesesAlém das hip
- Page 135 and 136:
Capítulo 7Estudo de caso 2O segund
- Page 137 and 138:
Figura 7.2 - Página principal em p
- Page 139 and 140:
Figura 7.5 - Acessos por hora do di
- Page 141 and 142:
Na Tabela 7.1 são mostradas a quan
- Page 143 and 144:
Figura 7.9 - Histograma de tempo en
- Page 145 and 146:
A página de tarifas, escolhida com
- Page 147 and 148:
Página/hotelbucsky/tarifa.htm/hote
- Page 149 and 150:
7.6 Detalhamento dos padrõesDescob
- Page 151 and 152:
Nesta regra, conforme mostrado na F
- Page 153 and 154:
Ainda referente à regra R1, també
- Page 155 and 156:
Suporte=18%63%24Probabilidadedestas
- Page 157 and 158:
Mediana = 58Figura 7.18 - Histogram
- Page 159 and 160:
7.9 Análise da regra R3Na Figura 7
- Page 161 and 162:
Mediana = 63Figura 7.22 - Histogram
- Page 163 and 164:
Suporte=53%53%Probabilidadedesta p
- Page 165 and 166:
Mediana = 41Figura 7.26 - Histogram
- Page 167 and 168:
• As páginas do site parecem est
- Page 169 and 170:
adequadas ao negócio, surjam hipó
- Page 171 and 172:
• Estudar a utilização de tempo
- Page 173 and 174:
Referências bibliográficasAGRAWAL
- Page 175 and 176:
COOLEY, R., MOBASHER, B., SRIVASTAV
- Page 177 and 178:
FRIAS-MARTINEZ, E., KARAMCHETI, V.,
- Page 179 and 180:
LIU, B., ZHAO, K., YI, L., 2002,
- Page 181 and 182:
PERKOWITZ, M., ETZIONI, O., 1997,
- Page 183 and 184:
SRIKANT, R., AGRAWAL, R., 1996, “
- Page 185 and 186:
Apêndice AReferências de ferramen
- Page 187 and 188:
Seleciona_log.py (emagrecendo.com.b
- Page 189 and 190:
Seleciona_log.py (hotelbucsky.com.b
- Page 191 and 192:
Gera_robots_distintos.pyimport stri
- Page 193 and 194:
Elimina_navegacao_robots.py 6import
- Page 195 and 196:
Gera_navegacao_total_memoria.pyimpo
- Page 197 and 198:
Gera_uri_stem_distintos.pyimport st
- Page 199 and 200:
Checa_uri_stem_valido.py 7import st
- Page 201 and 202:
i = (j * 3) + 3d2 = string.splitfie
- Page 203 and 204:
entrada = open(arqin)for line in en
- Page 205 and 206:
h2 = string.splitfields(rec[k+1], '
- Page 207 and 208:
for j in range(0,10-len(rec[2])):re
- Page 209 and 210:
Conta_uri_stem_sessao_transposta.py
- Page 211 and 212:
Tempo_associacao.py 8import stringi
- Page 213 and 214:
Intervalo_associacao.pyimport strin
- Page 215 and 216:
print ' 'else:print 'Arquivo ' + ar
- Page 217 and 218:
Figura C.1 - Página “/2004/bal_v
- Page 219 and 220:
Figura C.3 - Página “/2004/rec_e
- Page 221 and 222:
Apêndice DPáginas do hotelbucsky.
- Page 223 and 224:
Figura D.2 - Página “/hotelbucsk
- Page 225 and 226:
Figura D.4a - Página “/hotelbucs
- Page 227 and 228:
Figura D.4c - Página “/hotelbucs
- Page 229:
Figura D.5 - Página “/hotelbucsk