효과적인 웹 사용자의 패턴 분석을 위한 하둡 시스템의 웹 로그 분석 방안 :The Method for Analyzing Web Logs of the Hadoop System for Analyzing a Effective Pattern of Web Users

이병주

추천

검색

자료유형: 학위논문

저자정보: 이병주 (숭실대학교, 숭실대학교 정보과학대학원)

지도교수: 최용락

발행연도: 2014

저작권: 숭실대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2014

효과적인 웹 사용자의 패턴 분석을 위한 하둡 시스템의 웹 로그 분석 방안

이병주 소프트웨어공학과 2014.01 학위논문

효과적인 웹 사용자의 패턴 분석을 위한 하둡 시스템의 웹 로그 분석 방안

이병주 , 권정숙 , 고기철 외 1명 한국IT서비스학회지 2014.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

여러 기업들에서는 고객관계관리를 통해 시장경쟁력을 확보하기 위한 움직임이 활발히 진행되고 있다. 이러한 고객관계관리의 필수 요소라 할 수 있는 것은 고객의 특성 및 행동 모델을 분석하는 것이다.
초기 고객관계관리는 고객의 욕구변화와 행동패턴에 주목하여 데이터를 분석 가능한 형태로 변환하여 분석하는 데이터 마이닝 기법이 많이 사용되었다. 데이터 마이닝은 기업이 보유하고 있는 고객 데이터, 상품 데이터 혹은 각종 활동을 통한 데이터의 분석을 통해 새로운 경향과 규칙을 발견하여 이를 비즈니스 의사결정에 사용하기 위해 활용된다.
기업이 접근할 수 있는 다양한 데이터 중 웹 로그 데이터는 고객관계관리 전략 수행을 위한 데이터 분석에 부합하는 중요한 데이터 중 하나이다.
하지만 인터넷과 스마트폰의 대중화로 접근 가능한 데이터의 양이 기하급수적으로 증가함에 따라 웹 로그 데이터도 많이 증가했다.
이렇게 되므로 대용량 웹 로그 데이터 처리를 위한 스토리지의 유연한 확장이 어려워 졌으며, 장기간 축적되는 웹 로그 데이터를 분류, 분석처리 기능을 제공하는 시스템을 구현하기가 매우 어려워졌다.
이에 최근 대용량 데이터를 처리하는데, 각광을 받고 있는 분산처리 시스템 하둡을 적용하여 효율적인 대용량 웹 로그를 분석 방안을 제시하고자 한다. 하둡은 안정적인 공유 저장소 HDFS와 분석 시스템인 맵리듀스를 제공한다.
본 논문에서는 하둡을 사용하여 효과적인 웹 로그 수집 방법과 웹 로그 레별 별로 발생되는 웹 로그에 형태를 확인하고 이에 맞는 분석 기법 및 하둡의 구성 설계를 제안한다.
본 연구를 통해 대용량의 웹 로그 데이터 처리에 대한 어려움을 해결하고, 웹 로그 분석을 통해 사용자의 활동 패턴을 제시함으로써 새로운 마케팅 수단으로 활용 될 수 있다는 장점을 제시한다.

Many companies are actively moving forward to secure their market competiveness through customer relations management, an essential element of which is to analyze the models of customer characteristics and actions.
In the early days of customer relations management, they focused on the changing needs of customers and their behavior patterns and used a lot the data mining technique of converting data in a format that allowed for analysis and then analyzing the data. Data mining is used to find new trends and rules and make use of them in making business decisions by analyzing customer data stored by companies, product data, and data based on all kinds of activities.
Of the various data that corporations can approach, web log data are important data that correspond to data analysis to implement customer relations management strategies.
As the volume of approachable data has increased exponentially due to the Internet and popularization of smartphone, web log data have also increased a lot.
As a result, it has become difficult to expand storage to process large amounts of web log data flexibly and extremely hard to implement a system capable of categorizing, analyzing, and processing web log data accumulated over a long period of time.
This study thus set out to apply Hadoop, a distributed processing system that had recently come into the spotlight for its capacity of processing large volumes of data, and propose an efficient analysis plan for large amounts of web logs. Hadoop offers HDFS, a stable sharing and storage space, and MapReduce, an analysis system.
The study checked the forms of web logs by the effective web log collection methods and the web log levels by using Hadoop and proposed analysis techniques and Hadoop organization designs accordingly.
The present study resolved the difficulty with processing large amounts of web log data and proposed the activity patterns of users through web log analysis, thus demonstrating its advantages as a new means of marketing.

#하둡 #웹로그

제 1 장 서론 1
1.1 연구배경 및 목적 1
1.2 논문의 구성 3
제 2 장 관련연구 4
2.1 데이터 마이닝 4
2.1.1 데이터 마이닝 프로세스 4
2.1.2 데이터 마이닝 기법 6
2.2 웹 로그 데이터 분석 7
2.2.1 웹 로그 개념 7
2.2.2 웹 로그 분석의 활용 8
2.2.3 웹 로그 파일의 종류 9
2.2.4 웹 로그 추출 방법 12
2.3 웹 로그 데이터 분석의 기존연구 14
2.4 하둡 16
2.4.1 분산파일시스템 17
2.4.2 맵리듀스 20
2.4.3 하둡의 하부 프로젝트 21
제 3 장 하둡 웹 로그 분석 방법 24
3.1 기능 분석 24
3.2 웹 로그 분석을 위한 하둡 구성 설계 25
3.2.1 웹 로그 분석 시스템 흐름 25
3.2.2 웹 로그 분석 시스템 27
3.3 웹 로그 분석 시스템 모듈 구성 29
3.3.1 웹 로그 수집/적재 모듈 구성 29
3.3.2 웹 로그 분석 모듈 구성 34
3.3.3 웹 로그 분석 결과 처리 모듈 구성 36
3.3.4 웹 로그 분석 스케줄 모듈 구성 37
제 4 장 웹 로그 분석 수행 38
4.1 웹 로그 분석 데이터 38
4.2 웹 로그 분석 환경 구축 38
4.3 웹 로그 분석 40
4.4 시스템의 평가 46
제 5 장 결론 및 향후 연구과제 48
참고문헌 50

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)