METODOLOGIA DE MINERAÇÃO DE DADOS PARA ANÁLISE DO ...

Neste exemplo, tem-se uma sessão com nove páginas visitadas, todas no mesmo dia ecom intervalos dentro do limite especificado para time-out. A página pivô, definida deacordo com o problema a ser analisado, é a página “/2004/rec_em/rec_em.shtml”, quenesta sessão é a página 2.A página 2 e a página 9 são selecionadas automaticamente pois são, respectivamente, apágina pivô e a última página. As páginas restantes são avaliadas de acordo com otempo de visitação calculada, sendo selecionadas as três com maior tempo. A página 1não entra nessa comparação pois é a página inicial. Assim, dentre as páginasconsideradas (página 3 à página 8), ficam as páginas 3, 4 e 7. Na Tabela 4.1 sãomostradas a sessão original e a que seria considerada para este caso.sessão original 1,2,3,4,5,6,7,8,9sessão considerada 2,3,4,7,9Tabela 4.1 – Sessão consideradaA grande vantagem deste tratamento é que a grande maioria das sessões terá umtamanho menor do que cinco (e sempre maior que dois), fazendo com que a tarefa deextração de padrões seqüenciais gere regras mais simples. Uma sessão final poderápossuir um tamanho maior que cinco num caso particular: quando a página pivô évisitada mais de uma vez, mas entre elas exista uma visita a uma das páginasselecionadas pelo critério do tempo. Também é importante destacar que esta tarefa detratamento das sessões está contida dentro da fase de pré-processamento.A heurística aqui definida e utilizada é semelhante ao trabalho de COOLEY et al.(1997b), onde os autores fazem a consideração de que um usuário, durante a navegaçãoem um web site, trata cada página apenas de duas maneiras: como um elemento denavegação para achar links aos dados desejados, ou como conteúdo. Estes doispropósitos, denominados respectivamente de “propósito de navegação” e “propósito deconteúdo”, dependem de cada usuário. Por exemplo, uma página que contém apenas umtítulo e vários links para outras páginas certamente pode ser considerada de navegação.Mas uma página com textos, fotos e links não pode ser classificada facilmente; ela tem63