图书馆Apache服务器日志文件数据的分析

doi:10.11925/infotech.1003-3513.2005.02.21

现代图书情报技术

2005, Vol. 21

Issue (2): 81-83 https://doi.org/10.11925/infotech.1003-3513.2005.02.21

工作交流

本期目录 | 过刊浏览 | 高级检索

图书馆Apache服务器日志文件数据的分析

岳修志

（中原工学院图书馆郑州 450007）

The Analysis of the Data in the Library Apache Server Log File

Yue Xiuzhi

(Library of Zhongyuan Institute of Technology, Zhengzhou 450007, China)

摘要
参考文献
相关文章
Metrics

全文:
输出: BibTeX | EndNote (RIS)

摘要

按照标准的服务器日志格式，对图书馆Web服务器日志文件的记录进行分析，并通过对其一定时间段的数据挖掘，对图书馆网站的使用状况进行了有益的探讨。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ： Web服务器, 日志文件, 数据挖掘

Abstract：

This paper analyses the data of the log file in the library apache server based on the standard format of server log file. With the data mining technology, the using status of the library Website are studied.

Key words： Web server Log file Data mining

收稿日期: 2004-08-05 出版日期: 2005-02-25

G252.137

通讯作者: 岳修志 E-mail: y3z@zzti.edu.cn

作者简介: 岳修志

引用本文:

岳修志. 图书馆Apache服务器日志文件数据的分析[J]. 现代图书情报技术, 2005, 21(2): 81-83.
Yue Xiuzhi. The Analysis of the Data in the Library Apache Server Log File. New Technology of Library and Information Service, 2005, 21(2): 81-83.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2005.02.21 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2005/V21/I2/81

1［美］Cordon S. Linoff等. Web数据挖掘：将客户数据转化为客户价值. 沈钧毅等译. 北京：电子工业出版社，2004
2Extended Log File Format. http://www.w3.org/TR/WD-logfile.html (Accessed Jun.3,2004)
3［美］Mark Humphries等. 数据仓储：结构和实现. 陈光群译. 北京：社会科学文献出版社，2003
4apache 日志：日志分析. http://www.cngnu.org/technology/1407/33.html (Accesseal Jun.3,2004)
5http://www.weblogexpert.com/lite.htm (Accessed Jun.3,2004)
6http://www.analog.cx/ (Accessed Jun.12,2004)

[1]	谢旺, 王丽珍, 陈红梅, 曾兰清. 基于空间序偶模式挖掘污染源与癌症病例的关系 ^*[J]. 数据分析与知识发现, 2021, 5(2): 14-31.
[2]	张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[3]	陆泉,朱安琪,张霁月,陈静. *中文网络健康社区中的用户信息需求挖掘研究^——以求医网肿瘤板块数据为例**[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[4]	牟冬梅,法慧,王萍,孙晶. 基于结构方程模型的疾病危险因素研究^*[J]. 数据分析与知识发现, 2019, 3(4): 80-89.
[5]	李勇男. 贝叶斯理论在反恐情报分类分析中的应用研究^*[J]. 数据分析与知识发现, 2018, 2(10): 9-14.
[6]	牟冬梅, 王萍, 赵丹宁. 高维电子病历的数据降维策略与实证研究^*[J]. 数据分析与知识发现, 2018, 2(1): 88-98.
[7]	胡忠义, 王超群, 吴江. 融合多源网络评估数据及URL特征的钓鱼网站识别技术研究^*[J]. 数据分析与知识发现, 2017, 1(6): 47-55.
[8]	江思伟, 谢振平, 陈梅婕, 蔡明. 混合特征数据的自解释归约建模方法^*[J]. 数据分析与知识发现, 2017, 1(12): 92-100.
[9]	牟冬梅,任珂. 三种数据挖掘算法在电子病历知识发现中的比较^*[J]. 现代图书情报技术, 2016, 32(6): 102-109.
[10]	李峰,李书宁,于静. 面向院系的高校毕业生图书馆记忆系统[J]. 现代图书情报技术, 2016, 32(5): 99-103.
[11]	赵静娴. 基于决策树的网络伪舆情识别研究[J]. 现代图书情报技术, 2015, 31(6): 78-84.
[12]	何建民, 王哲. 社交网络话题信息传播影响簇发现谱系挖掘方法[J]. 现代图书情报技术, 2015, 31(5): 65-72.
[13]	黄文彬, 徐山川, 马龙, 王军. 利用通信数据的移动用户行为分析[J]. 现代图书情报技术, 2015, 31(5): 80-87.
[14]	郝玫, 王道平. 面向供应链的产品评论中客户关注特征挖掘方法研究[J]. 现代图书情报技术, 2014, 30(4): 65-70.
[15]	孙鸿飞, 侯伟. 改进TFIDF算法在潜在合作关系挖掘中的应用研究[J]. 现代图书情报技术, 2014, 30(10): 84-92.

Viewed

Full text

Abstract

Cited

Shared

Discussed