dc.contributor.author |
Huynh, Minh Huy
|
|
dc.date.accessioned |
2025-09-24T05:48:50Z |
|
dc.date.available |
2025-09-24T05:48:50Z |
|
dc.date.issued |
2020-06-26 |
|
dc.identifier |
Elektronický archiv Knihovny UTB |
|
dc.identifier.isbn |
978-80-7678-357-7 |
cs |
dc.identifier.uri |
http://hdl.handle.net/10563/56898
|
|
dc.description.abstract |
Vytěžování a získávání informačních dat jsou v posledních letech předmětem velkého zájmu. Jednou z forem extrahovaných informací jsou často se opakující vzory, které vyjadřují obvyklé chování, k němuž často dochází v historických záznamech. Výrazný typ takových vzorů, tok kliků (clickstream), se objevil díky internetu a online komerčnímu podnikání. Jednoduchým příkladem je posloupnost webových stránek, které uživatelé často navštěvují, a znalost takového chování může majitelům webových stránek pomoci přizpůsobit jejich webové stránky tak, aby pomohly zlepšit uživatelský zážitek nebo doporučit užitečné informace. Takovou úlohu zjišťování clickstreamů lze nazvat clickstream pattern mining (dolování vzorů clickstreamů). Tato práce zkoumá některé aspekty dolování vzorů clickstreamů a také možnosti zlepšení výkonnosti algoritmů v tomto tématu. V práci byly provedeny experimenty v 5 případových studiích a v práci navržené přístupy byly porovnány s jinými moderními metodami. Na většině testovacích databází se ukázalo, že jsou nejen účinné a efektivní, ale také rychlejší než ostatní metody. |
|
dc.format |
44 |
cs |
dc.language.iso |
en |
|
dc.publisher |
Univerzita Tomáše Bati ve Zlíně |
|
dc.rights |
Bez omezení |
|
dc.subject |
clickstream pattern mining
|
cs |
dc.subject |
sekvenční dolování vzorů
|
cs |
dc.subject |
dolování vzorů
|
cs |
dc.subject |
vážené dolování vzorů
|
cs |
dc.subject |
paralelní výpočty
|
cs |
dc.subject |
inkrementální algoritmy
|
cs |
dc.subject |
dolování dat
|
cs |
dc.subject |
clickstream pattern mining
|
en |
dc.subject |
sequential pattern mining
|
en |
dc.subject |
pattern mining
|
en |
dc.subject |
weighted pattern mining
|
en |
dc.subject |
parallel computing
|
en |
dc.subject |
incremental algorithms
|
en |
dc.subject |
data mining
|
en |
dc.title |
Efektivní metody pro dolování clickstream vzorů |
|
dc.title.alternative |
Efficient Methods for Mining Clickstream Patterns |
|
dc.type |
disertační práce |
cs |
dc.contributor.referee |
Krömer, Pavel |
|
dc.contributor.referee |
Šilhavý, Radek |
|
dc.contributor.referee |
Volná, Eva |
|
dc.date.accepted |
2025-08-26 |
|
dc.description.abstract-translated |
Mining and extracting informative data have been of great interest for research in recent years. One form of extracted information is frequent patterns, which express the common behaviours that often happen throughout historical records. A distinct type of such pattern, clickstreams, has emerged due to the Internet and online commercial business. A simple example is a sequence of web pages that users often visit, and knowing such behaviours can help website owners customize their web pages to help improve the user experience or recommend helpful information. Such a task of discovering clickstreams can be called clickstream pattern mining. This work explores some aspects of clickstream pattern mining as well as the possibilities for improving the performance of algorithms in this topic. Through the experiments in all 5 cases of study, the thesis? proposed approaches were compared with other state-of-the-art methods. They were shown not only effective and efficient but also faster than the other methods on most test databases. |
|
dc.description.department |
Ústav informatiky a umělé inteligence |
|
dc.thesis.degree-discipline |
Information Technologies |
cs |
dc.thesis.degree-discipline |
Engineering Informatics |
en |
dc.thesis.degree-grantor |
Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky |
cs |
dc.thesis.degree-grantor |
Tomas Bata University in Zlín. Faculty of Applied Informatics |
en |
dc.thesis.degree-name |
Ph.D. |
|
dc.thesis.degree-program |
Information Technologies |
cs |
dc.thesis.degree-program |
Information Technologies |
en |
dc.identifier.stag |
72051
|
|
dc.date.submitted |
2025-06-30 |
|