Classification automatique: Applications au Web Mining Yves Lechevalier 1, Doru Tanasa 2, Brigitte Trousse 2, Rossana Verde 3 1 Equipe AxIS 2 Equipe AxIS 3 Dip. Strategie Aziendale e INRIA Rocquencourt,INRIA Sophia AntipolisMetodologie Quantitative Universita di Napoli

Paramètres décrivant les navigations Säuberlich & Huber (2001) utilisent pour cette analyse: Cookie-ID / Session-ID Referrer Navigateur (+ version) Plateforme Heure Jour (de la semaine) Week-end No clicks Durée Durée moyenne par click Variables de navigation (binaires)

Paramètres décrivant les navigations issus du fichier log IDNavigationidentificateur dune navigation NBRequest_OKnombre de requêtes correctes PRequest_SELpourcentage de requêtes correctes NBrequestnombre de requêtes essayées DureeTotaledune navigation Repetitionnombre de requêtes répétées User_Agentidentificateur dun navigateur User_Systemidentificateur du système dexploitation MDurée_OKmoyenne de la durée dune navigation MSize_OKmoyenne de la taille des pages lues Datedate de la navigation Zonepériode de la navigation dans la journée Paysidentificateur du Pays

Paramètres décrivant les navigations issus des informations URL des sites NB_wwwnombre de requêtes sur www NB_www-sopnombre de requêtes sur www-sop Pwwwpourcentage de requêtes sur www - calculée sur lNBRequest Pwww-soppourcentage de requêtes sur www - calculée sur lNBRequest Sitewww-inria.fr ou www-sop.inria.fr Rubrique1110 rubriques de www Rubrique2108 rubriques de www-sop Rubrique-sem144 rubriques « semantiques » de www Rubrique-sem269 rubriques « semantiques » de www-sop

Analyse en Composante principale Variables activesVariables actives PRequest_SELpourcentage de requêtes correctes NBrequestnombre de requêtes essayées Repetitiontaux de répétition DureeTotaledurée totale dune navigation MDurée_OKmoyenne de la durée dune navigation MSize_OKmoyenne de la taille des pages lues

MATRICE DES CORRELATIONS | PReq NBre Dure Repe MDur MSiz PReq | 1.00 NBre | Dure | Repe | MDur | MSiz | HISTOGRAMME DES 6 PREMIERES VALEURS PROPRES | NUMERO | VALEUR | POURCENT.| POURCENT.| | | | PROPRE | | CUMULE | | | 1 | | | | ******************************************************************************** | | 2 | | | | *********************************************************** | | 3 | | | | **************************************************** | | 4 | | | | *********************************************** | | 5 | | | | ******************************************* | | 6 | | 6.94 | | ********************* | Résultats de lACP

Facteurs 1 et 2 -- %I=46% Cercle des correlations Facteurs 1 et 2 -- %I=46% Variables actives Variables illustratives

Classification des navigations sur les facteurs 1 et 2 1/7 5/7 4/7 2/7

Variables nominales illustratives

Interprétation de la classe (1/7) CLASSE 1 / | V.TEST | PROBA | MOYENNES | ECARTS TYPES | | | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE | CLASSE 1 / 7 ( EFFECTIF = 5956 ) | | | | | | 5.PRequest_SEL | | | | | 3.Pwww | | | | | | | | | | 8.NBrequest | | | | | 2.www-sop | | | | | 6.NBRequest_OK | | | | | 9.DureeTotale | | | | | 13.MDurée_OK | | | | | 10.Repetition V.TEST PROBA ---- POURCENTAGES ---- MODALITES CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES CLASSE 1 / Unix/Linux User_System Netscape Navigator User_Agent

Interprétation de la classe (2/7) CLASSE 2 / | V.TEST | PROBA | MOYENNES | ECARTS TYPES | | | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE | CLASSE 2 / 7 ( EFFECTIF = 1168 ) | | | | | 13.MDurée_OK | | | | | 9.DureeTotale V.TEST PROBA ---- POURCENTAGES ---- MODALITES CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES CLASSE 2 / Pays Netscape Navigator User_Agent Matin Zone

Interprétation de la classe (4/7) CLASSE 4 / | V.TEST | PROBA | MOYENNES | ECARTS TYPES | | | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE | CLASSE 4 / 7 EFFECTIF = 2032 ) | | | | | 10.Repetition | | | | | 2.www-sop | | | | | 5.PRequest_SEL | | | | | 4.Pww-sop | 7.44 | | | | 8.NBrequest | | | | | | | | | | 13.MDurée_OK V.TEST PROBA ---- POURCENTAGES ---- MODALITES CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES CLASSE 4 / MS Internet Explorer User_Agent Windows User_System fr Pays

Interprétation de la classe (5/7) CLASSE 5 / | V.TEST | PROBA | MOYENNES | ECARTS TYPES | | | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE | CLASSE 5 / 7 ( EFFECTIF = 474 ) | | 9.15 | | | | 10.Repetition | | | | | | | | | | 3.Pwww | | | | | 5.PRequest_SEL V.TEST PROBA ---- POURCENTAGES ---- MODALITES CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES CLASSE 5 / Unknown Platform User_System Other Agent User_Agent Nuit Zone net Pays

Interprétation de la classe (6/7) CLASSE 6 / | V.TEST | PROBA | MOYENNES | ECARTS TYPES | | | | CLASSE GENERALE | CLASSE GENERAL | NUM.LIBELLE | CLASSE 6 / 7 ( EFFECTIF = 17 ) | | | | | 8.NBrequest | | | | | 1.www | | | | | 9.DureeTotale | 3.58 | | | | 10.Repetition | | | | | 5.PRequest_SEL V.TEST PROBA ---- POURCENTAGES ---- MODALITES CLA/MOD MOD/CLA GLOBAL CARACTERISTIQUES DES VARIABLES CLASSE 6 / Unknown Platform User_System Other Agent User_Agent Nuit Zone Jan Date net Pays

Structure du Site www requêtes du site www correspondant à 44 Rubriques www-sop requêtes du site www-sop correspondant aux 69 Rubriques Nous considérons seulement les navigations des sites du siège et de sophia 3969 navigations sur les 9700

Rubriques sur les deux sites

Analyse Factorielle des correspondances Multiples

Classifications en 11 classes

Interprétation de la classe 1/11 CLASSE 1 / | V.TEST PROBA | POURCENTAGES | FREQUENCES CARACTERISTIQUES | | CLA/FRE FRE/CLA GLOBAL | NUM. LIBELLE | | | | | | | | | 33. Sop projets | | | 1. www projets | | | 36. Sop sophia Navigations visitant les projets de recherche

Interprétation de la classe 4/11 CLASSE 4 / | V.TEST PROBA | POURCENTAGES | FREQUENCES CARACTERISTIQUES | | CLA/FRE FRE/CLA GLOBAL | NUM. LIBELLE | | | | | | | | | | | | 42. Sop semir | | | 58. Sop interne-sophia | | | 63. Sop modeles | | | 31. www modeles Navigations visitant lintranet

Interprétation de la classe 7/11 CLASSE 7 / | V.TEST PROBA | POURCENTAGES | FREQUENCES CARACTERISTIQUES | | CLA/FRE FRE/CLA GLOBAL | NUM. LIBELLE | | | | | | 12. www actualites-siege | | | 9. www valorisation | | | 11. www publications | | | 4. www recherche | | | 5. www presse | | | 10. www intro-inria | | | 14. www multimedia Navigations visitant les activités du siège de lINRIA

Interprétation de la classe 10/11 CLASSE 10 / | V.TEST PROBA | POURCENTAGES | FREQUENCES | | CLA/FRE FRE/CLA GLOBAL | NUM. LIBELLE | | | | | | | | | 18. www ra | | | 15. www rrrt | | | 2. www rapports | | | 34. Sop rapports Navigations visitant les rapports dactivités des projets

Conclusions Définir de nouveaux paramètres de description des navigations. Analyse des liens entre ces deux typologies Retrouver les comportements dutilisateurs décrits dans la littérature Introduire une hiérarchie de rubriques dans lanalyse