Ocena użyteczności serwisów internetowych na podstawie dzienników logów

Pełen tekst

(1)OCENA UYTECZNOCI SERWISÓW INTERNETOWYCH NA PODSTAWIE DZIENNIKÓW LOGÓW LUIZA FABISIAK. Streszczenie Artykuł zawiera opracowanie oceny uytecznoci serwisów na podstawie danych zawartych z wewntrznej struktury serwisów internetowych. Rozwaany problem oceny uytecznoci serwisów internetowych został uszczegółowiony na podstawie doboru odpowiednich kryteriów, wyznaczenia ich istotnoci oraz wyboru odpowiedniej metody wielokryterialnej. Zdefiniowanie preferencji uytkowników na podstawie dzienników logów pozwoliło za pomoc zbiorów przyblionych na wybór istotnych kryteriów w strukturze rozwaanego problemu decyzyjnego. Słowa kluczowe: uyteczno , serwisy internetowe, metody wspomagania decyzji, zbiory przyblione, dzienniki logów serwisów internetowych 1.Wprowadzenie Dynamiczny rozwój Internetu, jak i poszerzajcy si zakres oferowanych usług internetowych, wymagaj wikszego zaangaowania w dostosowaniu ofert serwisów internetowych do potrzeb specyficznych grup ich uytkowników. Ze wzgldu na nasilajc si szczególnie w tej dziedzinie konkurencj wane jest poszukiwanie takich metod i narzdzi, które stanowi bd skuteczn pomoc w wiarogodnej ocenie uytecznoci serwisów internetowych. Najczciej uywanymi ocenami serwisów internetowych jest ich funkcjonalno i uyteczno . Ocena uytecznoci i funkcjonalnoci serwisu internetowego wie si cile z popularnoci serwisu, wród jego uytkowników. Jednym z najlepszych sposobów zwikszania popularnoci serwisów internetowych jest odkrywanie preferencji uytkowników. Badania i odkrywanie preferencji uytkowników serwisów stosuje si, m.in. po to by oceni zachowanie uytkowników korzystajcych z tych serwisów, zidentyfikowa priorytety wyboru, dostarcza danych do monitorowania zachowa „ruchu” na stronie, poprawi wska niki utrzymania klientów czy spełni wymagania jakoci zgodnie np. z norm ISO serwisu [2, 821– 823]. Preferencje uytkowników serwisów internetowych s zmienne w czasie i zwykle róne od tych, które uwzgldniono w formie wymaga obowizujcych na etapie tworzenia serwisu. Raz zbudowany serwis internetowy moe traci na uytecznoci ze wzgldu na zmienne potrzeb jego uytkowników, procesy starzenia si serwisów, rozwój narzdzi programowych i sprztowych w informatyce, rozwój cywilizacyjno-technologiczny, upływ czasu, zmienn mod, zmienne uwarunkowania zwizane z zachowaniem uytkowników w interakcji ze stron WWW a take pod wpływem zmiany celów podmiotu dla potrzeb, którego taki serwis utworzono. W literaturze podjto prób sformalizowania metod oceny rónego rodzaju serwisów internetowych [5, 6, 7 249–256]. Powstaje równie wiele organizacji zajmujcych si badaniem szeroko.

(2) 60. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. pojtej uytecznoci stron internetowych. Do stosowanych klas metod oceny serwisów nale metody badania preferencji uytkowników, badania historii, odwiedzin a take metody badania opinii ekspertów. Przedmiotem bada zawartych w artykule jest ocena uyteczno serwisów internetowych na podstawie danych zawartych w dziennikach logów, która uwzgldni zmienne preferencje uytkowników w oparciu o: histori uytkowania serwisu opracowan na podstawie wyselekcjonowanych danych z zasobów dostpnych w strukturze serwisu internetowego; 2. Metoda oceny uytecznoci serwisów internetowych na podstawie danych z dzienników logów Dzienniki logów serwisów internetowych dostarczaj danych o uytkownikach i ich zachowaniu na stronach internetowych. S to dane gromadzone automatycznie w czasie rzeczywistym eksploatacji tych serwisów. Dla ogólnoci, aby oceni uyteczno dowolnego serwisu w chwili t na podstawie jego dziennika logów załómy, e tym serwisem bdzie serwis S0 z dziennikiem symbolicznie oznaczonym, jako D0. Dziennik D0 dostarcza danych o charakterystycznych cechach uytkowania serwisu S0, przy czym cechom tym odpowiadaj zawarte w D0 atrybuty opisujce sposób uytkowania serwisu S0. Zbiór tych atrybutów w dzienniku D0 dla serwisu S0 oznaczmy symbolem A0 zgodnie ze wzorem (1): (1) A0 = {a10 , a 20 ...a m0 } gdzie: a 0j – atrybut opisujcy j-t własno (cech) sposobu uytkowania serwisu internetowego S0 w dzienniku logów D0, j ∈ {1,2,..., m0 }. mi – liczba atrybutów w dzienniku D0. Uyteczno serwisu S0 oznaczona symbolicznie jako Z d 0 jest zmienna w czasie a jej warto. jest wartoci nieznanej funkcji g, takiej, e:. Z d 0 (t ) = g ( A0 , ζ , t ). (2). gdzie:. ζ – jest nieznanym i niezidentyfikowanym w dzienniku logów D0 zbiorem czynników, majcych wpływ na uyteczno serwisu S0, t – czas, A0 – zbiór atrybutów zdefiniowanych w dzienniku D0 serwisu S0, zdefiniowany wzorem (1). Naley zaznaczy , e przy braku znajomoci funkcji g i zbioru ζ oraz przy braku metod ich identyfikacji uyteczno Z d (t ) serwisu S0 w chwili t mona wyznaczy , jako rang wartoci uy0. tecznoci serwisu S0 wzgldem innych serwisów podobnych do S0 wyznaczon na podstawie znanego zbioru atrybutów dostpnych w dziennikach logów. Jest to wówczas rodzaj oceny kategorycznej, wyraajcej rang wartoci. Dlatego w dalszych rozwaaniach załoono, e w chwili t dostpne.

(3) 61. Studies & Proceedings of Polish Association for Knowledge Management Nr 64, 2013. s dodatkowo serwisy podobne do S0 z dziennikami logów. Pod pojciem serwisu podobnego przyjmuje si taki serwis, który posiada ten sam zakres podstawowych funkcji przypisanych serwisowi. Serwisy podobne powizane s ze sob nie tylko funkcjonalnoci, ale równie treci, maj zwykle podobnych odbiorców cho czsto równie z indywidualnymi upodobaniami. Niech tymi serwisami podobnymi do S0 s serwisy: S1, S2,…, Sn (3) gdzie: symbolem n oznaczono liczb serwisów podobnych do serwisu S0, tak, e n ≥ 1 Zakładajc, e dla kadego serwisu Si gdzie i ∈ {1,2,..., n} w dowolnej chwili t dostpne s dzienniki logów symbolicznie oznaczone jako Di i, e kady z dzienników Di serwisu Si podobnego do S0 (dla i=1,2,…n) zawiera kolekcj mi atrybutów Ai wiadczcych o sposobie uytkowania tych serwisów, tzn. (4) ∀1<=i<=n ∃m ∈I Ai = {a1i , a2i ...ami } i. i. gdzie: I – zbiór liczb całkowitych nieujemnych, n – liczba rozwaanych dodatkowo serwisów, i ∈ {1,2,..., n} , mi – liczba atrybutów w dzienniku Di. a ij – atrybut opisujcy j-ty sposób uytkowania serwisu internetowego Si w dzienniku logów Di, j ∈ {1,2,..., mi }. mona rozway zbiór wspólnych atrybutów rzdefiniowany zgodnie ze wzorem (5): n. ∆ = Ai. (5). i =0. Zawiera on wspólne atrybuty charakteryzujce serwisów S0, S1, S2,…, Sn z punktu widzenia ich uyteczno . Zbiór rnie jest zbiorem pustym. Wynika to z tego, e w dziennikach logów serwisów internetowych znajduj si cho by najczciej uywane takie atrybuty jak: liczba odwiedzin, czas przebywania na stronie, liczba uytkowników, liczba odsłon [3, 31–35]. Załómy, e zbiór rzawiera p elementów, tzn. niech. ∆ = {k1 , k2 ,...,k p }. (6). gdzie:. i ∈ {1,2,..., p} oznacza numer elementu w zbiorze r, p – liczno zbioru r, ki – i-ty element zbioru r Elementy zbioru r s miarami uytecznoci serwisów S0, S1, S2,…, Sn. Czstym zbiorem kryteriów (elementów zbioru ) s zwykle: liczba odwoła do serwera przykładowe k1, liczba uytkowników odwiedzajcych serwis przykładowe k2, strony w sieci, z których uytkownicy wchodz do.

(4) 62. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. serwisu przykładowe k3, strony, z których uytkownicy najczciej opuszczaj serwis przykładowe k4, liczb odwoła przykładowe k5, strony, z których najczciej kierowany jest „ruch” do serwisu atrybut k6, okres najwikszych aktywnoci odwiedzajcych przykładowy atrybut k7. Dla serwisów S0, S1, S2,…, Sn oraz odpowiednich do nich dzienników D0, D1, D2,…, Dn mona wówczas utworzy macierz danych ródłowych Ω [ ξ x p] w której elementami s wartoci kolejnych kryteriów w kolejnych pozycjach dzienników logów, gdzie. ξ jest liczba wszystkich zapisów. we wszystkich dziennikach logów poczwszy od dziennika D0 do Dn, a p jest licznoci zbioru r W dalszych rozwaaniach załoono, e macierz Ω jest macierz o wymiarze N x p gdzie N jest liczb wierszy macierzy Ω a p liczb jej kolumn (liczb atrybutów ze zbioru ). Niektóre z atrybutów (miar) dzienników logów (elementy zbioru ) mog by wzgldnie zalene od siebie, istotne lub nie, z punktu widzenia badania uytecznoci. Mog te wymaga obliczenia (np. liczba odwoła, szybko z jak wczytywane s strony serwisu i wyszukiwane s dane czy rednia liczba sesji na uytkownika). Mog równie zawiera tzw. szumy informacyjne, które s wynikiem rónych błdów, jakie mog pojawia si w danych pochodzcych z dzienników logów. Istnienie takich szumów w danych zapisanych w zbiorze Ω utrudnia wyodrbnienie informacji prawdziwych, pewnych i istotnych z punktu widzenia wiarygodnoci oceny. Dlatego dysponujc macierz Ω naley zastosowa odpowiedni metod czyszczenia, porzdkowani i walidacji danych zawartych w Ω , co zmniejszy ilo szumów informacyjnych. Ogólnie metody czyszczenia, porzdkowania, walidacji, normalizacji nazwano wstpn obróbk danych. Niezalenie od wstpnej obróbki danych dla zapewnienia wiarogodnoci oceny uytecznoci serwisów internetowych niezbdne jest wyznaczenie sporód kryteriów ze zbioru tych kryteriów, które s istotne do oceny uytecznoci. 2.1. Wstpna obróbka danych Wstpna obróbka danych uzyskanych z dzienników logów D0, D1, D2,…, Dn (n – liczba serwisów podobnych do S0) obejmuje: 1. Usuwanie wiersz i kolumn z macierzy Ω , które zawieraj niepełne dane. 2. Obliczenie wartoci kryteriów ze zbioru na podstawie danych zawartych w macierzy Ω . 3. Normalizacj danych (zamiana wartoci zawartych w macierzy Ω na wartoci przynalene do jednakowej przestrzeni odniesienia). Wicej na temat omówionych procedur [3]. W celu otrzymania tablicy danych zawierajce nieznane wartoci atrybutów do w pełni zdefiniowanej tablicy informacyjnej Ω naley w tym zakresie zastosowa trzy uogólnienia. Pierwszy rodzaj obróbki wstpnej wynika z niekompletnoci danych o wartociach atrybutów ze zbioru. w dziennikach D0, D1, D2,…, Dn. Drugi przypadek redukcji kryterium ki (i-ty element) ze zbioru r w tablicy informacyjnej Ω wystpuje, przy niesymetrycznej relacji prawdopodobiestw dla przypadków podobnych. Oznacza to, e redukuje si te kryteria ki (i-ty element) ze zbioru r dla których wystpuje zaleno pomidzy innymi kryteriami kj (j-ty element) z tego zbioru gdzie ( j ≠ i ) ∧ (1 ≤ i ≤ n ) ∧ (1 ≤ j ≤ n ) . Trzeci przypadek to normalizacja danych, przy której nastpuje zamiana wartoci zawartych w macierzy Ω na wartoci przynalene do jednakowej przestrzeni od-.

(5) 63. Studies & Proceedings of Polish Association for Knowledge Management Nr 64, 2013. niesienia i jednostek pomiaru. Normalizacja jest niezbdna wówczas, gdy wartoci zawarte w macierzy Ω pochodz z rónych zakresów. Jedn z metod normalizacji jest min-max normalization [3, 74]. Ostatecznie po wykonaniu czynnoci wstpnej (obróbki danych zawartych w macierzy Ω (przypadek 1, 2, 3) z atrybutami ze zbioru ) uzyskuje si macierz Γ z kryteriami ze zbioru Π . Zbiór kryteriów Π jest wówczas zgodny ze wzorem (7). (7) Π = {q1 , q2 ,..., qu } ⊆ ∆ ∧ u ∈ I ∧ u ≤ p gdzie: I – zbiór liczb całkowitych dodatnich,. – zbiór kryteriów przed obróbk wstpn macierzy Ω , u – liczba kryteriów oceny uytecznoci serwisów internetowych po obróbce wstpnej. 2.2. Badanie istotnoci kryteriów oceny Aby przeprowadzi ocen serwisów internetowych pod wzgldem ich uytecznoci na podstawie atrybutów zawartych w macierzy danych Γ z kryteriami oceny Π , naley wybra ze zbioru. Π te kryteria, które s istotne z punktu widzenia celu oceny badanych serwisów interernetowych. Dodatkowo, ze zbioru odrónialnych kryteriów Π i danych z tablicy Γ naley odrzuci równie te, których usunicie nie spowoduje utraty istotnoci wyników w procesie oceny. Taka metoda usuwania danych nazywa si metod wyznaczania reduktów. Według definicji reduktem P nazywa si taki podzbiór zbioru dostpnych danych, w którym obiekty s opisane na zbiorze kryteriów Φ i dla których algorytm wywodu wiedzy (w tym przypadku oceny uytecznoci serwisu internetowego) bdzie osigał ogólnie zdefiniowan funkcj zgodnoci [1]. Redukcja danych moe przyczyni si do: – zwikszenia efektywnoci wywodu wiedzy o uytecznoci serwisu; – zmniejszenia czasu rozpoznawania wiedzy o tej uytecznoci; – wyeliminowania szumów i błdów ze zbioru danych; – zmniejszenia wymaga, co do zasobów obliczeniowych metody; – zmniejszenia złoonoci struktury reprezentacji wiedzy o rozwaanym problemie; – wskazanie kompromisu pomidzy poziomem dostpu do danych a ich spójnoci i wartoci przyjtej funkcji oceny. Celem zastosowania wyej wymienionych przypadków redukcji zbioru Π macierzy Γ jest uzyskanie najmniej licznego zbioru pozwalajcego rozróni warianty oceny kocowej, a tym samym zredukowa liczb wymiarów oceny i pozostawi te atrybuty ze zbioru Π , które s istotne do oceny uytecznoci. W procesie redukcji danych stosuje si metody polegajce na selekcja cech (atrybutów – kryteriów) za pomoc wyboru takiego podzbioru cech (atrybutów-kryteriów) Φ , e Φ ⊆ Π ⊆ ∆ . Mona uzyska stosujc metody usunicia ze zbioru Π kolumn macierzy Γ o zbyt małej zmiennoci za pomoc tzw. statystycznej miary zmiennoci atrybutu lub metody opartej na podobiestwie cech. Jedn z metod redukcji jest równie metoda badanie istotnoci danych..

(6) 64. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. Aby wyznaczy wzgldn istotnoci otrzymanych atrybutów (kryteriów) ze zbioru Π posłuono si metod zbiorów przyblionych [8], która wymaga uzupełnienia macierzy informacyjnej Γ o wektor atrybutów decyzyjnych d (uyteczno ) zdefiniowany wzorem (8).. d0 d d = 1 ... dn . (8). gdzie: di – oznacza uyteczno serwisu Si, i – numer kolejnego serwisu, przy czym i ∈ I ∧ 0 ≤ i ≤ n , n – wyznacza liczb analizowanych serwisów, I – zbiór liczb całkowitych nieujemnych. Uzyskan w ten sposób macierz oznaczono symbolem Ψ . Jest ona zgodna z tab. 1. Tabela 1 Macierz Ψ istotnych danych ródłowych do oceny uytecznoci serwisów WWW z atrybutem decyzyjnym d (po obróbce wstpnej i redukcji nieistotnych kryteriów) S0 S1 … Sn. q1 Warto kryterium q1 w D0 Warto kryterium q1 w D1 … Warto kryterium q1 w Dn. q2 Warto kryterium q2 w D0 Warto kryterium q2 w D1 … Warto kryterium q2 w Dn. …. qu Warto kryterium qu w D0 Warto kryterium qu w D1 … Warto kryterium qu w Dn. d d0 d1 … dn. ródło: opracowanie własne. Dopiero tabela Ψ umoliwi analiz istotnoci kryteriów ze zbioru Π za pomoc metody zbiorów przyblionych. Ostatecznie w wyniku zastosowania redukatów (badanie istotnoci atrybutów zbioru Π ) uzyskuje si zbiór niezalenych i istotnych atrybutów zwanych w dalszej treci pracy kryteriami oceny uytecznoci serwisów w oparciu o dzienniki logów. Zbiór tych kryteriów oznaczono symbolem Φ zgodnie ze wzorem (9) (9) Φ = {Q1 , Q 2 ,..., Q r } gdzie r jest licznoci zbioru Φ Naley zauway , e liczby r oraz u i p (uyte we wzorach 6, 7) spełniaj warunek (10), taki, e: (10) r ≤u≤ p oraz, e:.

(7) 65. Studies & Proceedings of Polish Association for Knowledge Management Nr 64, 2013. Φ⊆Π⊆∆. (11). Tak wyznaczony zbiór Φ istotnych kryteriów opisanych w dziennikach D0, D1,…,Dn serwisów podobnych S0, S1, S2,…, Sn moe posłuy do oceny ich uytecznoci, równie uytecznoci S0. Znajc kryteria ze zbioru Φ w oparciu o dane z dzienników logów mona w tym celu utworzy. tabel Θ istotnych danych ródłowych oceny uytecznoci serwisów. Tabel t zaprezentowano w tab. 2. Tabela 2 Macierz. S0 S1 … Sn. Θ istotnych danych ródłowych do oceny uytecznoci serwisów WWW w oparciu o dane z dzienników logów. Q1 Warto kryterium Q1 w D0 Warto kryterium Q1 w D1 … Warto kryterium Q1 w Dn. Q2 Warto kryterium Q2 w D0 Warto kryterium Q2 w D1 … Warto kryterium Q2 w Dn. … … … … …. Qr Warto kryterium Qr w D0 Warto kryterium Qr w D1 … Warto kryterium Qr w Dn. ródło: opracowanie własne. Sformalizowana posta macierzy. Θ jest zgodna ze wzorem (12),. o0,1 o0,2 o o 1,1 1, 2 Θ= ... ....

(8) on,1 on,2. ... o0,r ... o1, r ... ... ... on,r . (12). gdzie: n+1 – liczba serwisów poddanych badaniu uytecznoci, r – liczno zbioru kryteriów Φ ,. oi , j – element tabeli Θ , i ∈{0,..,n}, j ∈{1,..,r} s numerem wierzy i kolumn macierzy. Θ,. Macierz Θ , zawierajca istotne kryteria oceny uytecznoci serwisów S0,S1,…Sn oraz wartoci istotnych kryteriów wyznaczone na podstawie ich dzienników logów D0, D1,…Dn jest tablic informacyjn do wielokryterialnej oceny uytecznoci serwisów S0,S1,…Sn. 2.3. Ocena wielokryterialna uytecznoci serwisów internetowych Aby oceni uyteczno serwisów podobnych S0,S1,…, Sn na podstawie macierzy Θ z wieloma istotnymi kryteriami ze zbioru Φ naley wybra odpowiedni metod. Oznaczmy poszukiwan metod oceny wielokryterialnej serwisów S0,S1,…Sn symbolem M..

(9) 66. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. Metoda M powinna umoliwi definiowanie wag rónych kryteriów ze zbioru Φ ze wzgldu na róne składowe posiadajce róny wpływ na preferencje uytkowników. Ponadto powinna umoliwi porównanie wszystkich serwisów S0, S1.,…, Sn pomidzy sob. W wyborze poszukiwanej metody M nie dopuszcza si sytuacji, w której nie jest moliwe porównanie kryteriów midzy serwisami. Warunek ten jest moliwy do osignicia w tym przypadku, poniewa rozwaane serwisy s podobne funkcjonalnie (serwisy internetowe powinny znajdowa. si w wybranej grupie tematycznej lub powinny zawiera podobn struktur informacyjn w opinii ekspertów) zgodnie z przyjtymi załoeniami metody. Kolejnym problem wyboru odpowiedniej metody wielokryterialnej M jest istnienie w niej moliwoci rozmycia przedziałów oceny preferencji w wielokryterialnym wyborze. Rozmycie to powinno wystpowa ze wzgldu na moliwo. wystpienia rónic midzy serwisami pomimo ich podobiestwa (np. róna skala liczby uytkowników porównywanych serwisów od kilku do wielu tysicach uytkowników). Wybrana metoda M powinna rozpatrywa problem porzdkowania lub wyboru rangi oceny. W mniejszym stopniu powinny tu by zastosowane metody ukierunkowane na sortowanie lub opis kryteriów. Pozytywn cech metody M jest równie forma udostpniania wyników metody (naturalna skala oceny wynikowej metody). Problem wyboru metody M jest równie problemem wielokryterialnym. Do wyboru metody M sporód metod potencjalnie moliwych uyto metod ELECTRE I [4, 303–312]. Metod ELECTRE I w procesie analizy i wyboru metody M oceny uytecznoci serwisów internetowych zastosowano z nastpujcych powodów: − rozpatrywano wybór jednej metody M sporód wielu, tak by miała ona najlepsz stosowalno. w ocenie serwisów internetowych; − wszystkie rozpatrywane kryteria wyboru f1,f2,…,f6 metody M mog przyjmowa tylko wartoci binarne 1 lub 0 (prawda, fałsz), wystarczajce w jej wyborze; − ze wzgldu na ocen kryteriów f1,f2,…,f6 w skali binarnej, nie ma potrzeby wykorzystywania tzw. progów weta. W celu uycia metody ELECTRE I sformułowano kryteria, które umoliwi wybór najlepszej z dostpnych metod wielokryterialnych do oceny uytecznoci serwisów. Przyjtymi kryteriami wyboru metody M s kryteria oznaczone symbolicznie kryteria f1, f2,…, f6 (tab. 3). Tabela 3 Kierunki preferencji oraz wagi poszczególnych kryteriów L.p.. Kryterium. f1. czy metoda obejmuje zdefiniowanie wag? czy metoda dopuszcza sytuacj nieporównywalnoci wariantów oceny? czy metoda zapewnia rozmycie przedziałów preferencji? czy metoda rozpatruje problem porzdkowania lub wyboru? czy metoda umoliwia dekompozycj problemu oceny? czy wartoci kryteriów oceny s podawane w naturalnych jzyku czy skali ilociowej?. f2 f3 f4 f5 f6. ródło: opracowanie własne.. Kierunek preferencji max. Waga 3. min. 5. max max max. 4 5 3. max. 2.

(10) 67. Studies & Proceedings of Polish Association for Knowledge Management Nr 64, 2013. Dla ustalenia wag kryteriów oceny f1, f2,…, f6 w metodzie ELECTRE I wykorzystano skal Likerta. Jest to technika pomiarowa oparta na wykorzystaniu standaryzowanych kategorii odpowiedzi, która umoliwiła odpowiednie eksperckie dopasowanie wartoci liczbowej do badanego problemu. Aby wskaza jak z rozwaanych metod ELECTRE II; PROMETHEE II; ELECTRE III, ELECTRE IS; PROMETHEE I; ELECTRE IV; MELCHIOR; ELECTRE Iv; TOPSIS; UTA; AHP; ELECTRE TRI przyj za najlepsz posłuono si badaniem opinii ekspertów. W takcie przeprowadzanej procedury obliczeniowej ELECTRE I uzyskano macierz współczynników zgodnoci. W wyniku zastosowania metody ELECTRE I otrzymano graf przewyszania oraz uzyskano kocowe zestawienie wyników, które potwierdza wybór metody AHP na podstawie kryteriów f1, f2,…, f6. Oznacza to, e jako metod M słuc do oceny uytecznoci serwisu S0 oraz oceny uytecznoci serwisów S1, S2,…, Sn na podstawie danych zawartych w dziennikach logów serwisów D0, D1,…, Dn jest metoda wielokryterialna AHP [4, 303–312]. W dalszych obliczeniach przy pomocy tablicy Θ uyto metody AHP. Metoda ta wymaga: 1. Zbudowania macierzy porówna parami dla obiektów oceny S0, S1,…, Sn osobno w ramach kadego kryterium sporód kryteriów Q1, Q2,…, Qr przynalenych do zbioru Φ i macierzy Θ przy czym porównanie to prowadzi do powstania r+1 (k = r w metodzie AHP) macierzy porówna; oznaczmy wyniki tych porówna jako macierze A(1), A(2),…, A(r) za macierz porówna kryteriów Q1, Q2,…, Qr oznaczmy symbolem A(0); 2. Wyznaczenia rankingu indywidualnie dla kadej z macierzy A(0), A(1), A(2),…, A(r); 3. Wyznaczenia rankingu wielokryterialnego dla serwisów S0, S1,…, Sn wg tego rankingu kady serwis Si otrzyma ocen uytecznoci. Z d i gdzie i ∈{0,1,...n} .. Procedury realizacji kroków 1, 2 i 3 zostały zaprezentowane w literaturze [9 841–855] [10 9– 26]. Ostatecznie w wyniku zastosowania metody AHP uzyskano ocen uytecznoci serwisów S0, S1,…, Sn (a w szczególnoci uyteczno serwisu S0) w formie wektora Zd zgodnego z nastpujcym wzorem (13):. Z d0 Z d Zd = 1 ... . Z dn . gdzie:. Z d i – uyteczno serwisu Si, i ∈ {0,1,.., n},. n – liczba rozwaonych serwisów. Schematycznie wyznaczanie oceny. Z d 0 dla serwisu S0 zilustrowano na rys. 1. (13).

(11) 68. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. WE:. S0-oceniany serwis, n- liczba serwisów podobnych do S0, t - chwila oceny, próg wyznaczenia istotnoci kryteriów. Wyznaczenie serwisów S1, S2,…,Sn podobnych do S0. Pobranie dziennika logów D1 serwisu S1 Dla i=0 do n. Utworzenie zbioru ∆ zgodnego ze wzorem (6) i tablicy Ω zgodnie z procedur opisan w podpunkcie 2.1. Obróbka wstpna tablicy Ω i tworzenie macierzy Γ z kryteriami Π ⊆ ∆ zgodnie z procedur opisan w 2.1 utworzenie macierzy Ψ z kolumn zawierajc wektor d Wyznaczenie zbioru kryteriów istotnych wzór (11) metod zbiorów przyblionych na podstawie macierzy Ψ zgodne z opisan procedur 2.2. Utworzenie macierzy Θ w oparciu o wyznaczony zbiór kryteriów Φ Ocena serwisów S1, S2,…,Sn metod AHP w oparciu o macierz Θ i wyznaczenie wektora Zd WY:. Uyteczno Zdo serwisu So w chwili t na podstawie dzienników logów. Rysunek 3. Algorytm oceny uytecznoci Zd dla dowolnego serwisu S0 na podstawie dzienników logów ródło: opracowanie własne. Otrzymana ocena Zd jest ocen czstkow metody oceny uytecznoci serwisów internetowych na podstawie dzienników logów zawartych w strukturze badanych serwisów..

(12) 69. Studies & Proceedings of Polish Association for Knowledge Management Nr 64, 2013. 3. Podsumowanie Celem niniejszego artykułu było opracowanie oceny uytecznoci dowolnego serwisu internetowego, z uwzgldnieniem zmiennych preferencji jego uytkowników. Naley zaznaczy , e w literaturze jest wiele metod oraz narzdzi wspierajcych ocen uytecznoci serwisów interentowych. Ze wzgldu na konkurencj wane jest poszukiwanie takich rozwiza, które stanowi bd skuteczn pomoc w wiarogodnej ocenie badanych serwisów internetowych. Wybór odpowiedniej metody zaley od konkretnego problemu bd rodowiska warunkujcego dane rozwizania. Przedstawiona ocena uytecznoci serwisów internetowych uwzgldnia dwa aspekty oceny serwisów a mianowicie preferencje uytkowników oraz historyczne dane rzeczywiste uzyskane z dzienników logów. Badania te maj charakter proceduralny, oraz s działaniem zaplanowanym i moliwym do wielokrotnego stosowania. Uwzgldniony w opracowanej ocenie, szeroki aspekt zmiennoci preferencji uytkowników na podstawie danych z wewntrznej struktury serwisów internetowych, ma dodatkowo adaptacyjny a nie sztywny (jednokrotnie realizowany) charakter. Naley zaznaczy , e ocena ta moe by uyta w dowolnym rodzaju grup serwisów internetowych jak równie w dowolnej iloci. Liczba serwisów internetowych zalena bdzie od postawionego problemu oceny badanych serwisów. Dodatkowo ocena ta pozwala w czasie rzeczywistym na gromadzenie danych z dzienników logów, czyli stworzenie swoistej bazy wiedzy do oceny uytecznoci. 4. Literatura [1]. [2] [3]. [4]. [5] [6] [7] [8] [9] [10]. Dominik A., Analiza danych z zastosowaniem teorii zbiorów przyblionych, Praca Dyplomowa Magisterska, Politechnika Warszawska, Wydział Elektroniki i Technik Informacyjnych, Warszawa 2004. Dillon A., Information Architecture in JASIST. Just Where Did We Come From?, The Journal of the Society for Information Science and Technology 10, 2002. Fabisiak L., Metoda ocen uytecznoci serwisów internetowych, Praca Doktorska, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, Szczecin 2012. Fabisiak L., Ziemba P., Metody Wielokryterialnego wspomagania decyzji w ocenie uytecznoci serwisów internetowych, Wydawnictwo Uniwersytetu Ekonomicznego nr 20, Wrocław 2011. Krug S., Nie ka mi myle, New Riders, Helion, Gliwice 2006. Nielsen J., Projektowanie funkcjonalnych serwisów internetowych, Helion, Gliwice 2003. Nielsen, J., i in., Heuristic evaluation of user interfaces, Proc. ACM CHI'90 Conf., Seattle1990. Pawlak Z., Skowron A., A rough set approach for decision rules generation, ICS Research Report 23/93. Politechnika Warszawska, Warszawa 1993. Saaty T L., Axiomatic foundation of the analytic hierarchy process. Manage. Sci, 32, 1986. Saaty T.L., How to make a decision: the analytic hierarchy process. European Journal of Operational Research, 48, 1990..

(13) 70. Luiza Fabisiak Ocena uytecznoci serwisów internetowych na podstawie dzienników logów. EVALUATION OF USABILITY WEBSITES ON THE BASIS OF LOGS Summary Article includes a study evaluating the usability of web services on the basis of the data contained in the internal structure of websites. The problem of evaluation was explained on the basis of the selection of appropriate criteria, determining of its relevance and selection of appropriate multi-criteria method. Defining user preferences based on logs enabled using rough sets to select the relevant criteria in the analyzed structure of the decision problem Keywords: usability, web services, decision support methods, rough sets, logs websites Luiza Fabisiak Instytut Informatyki w Zarzdzaniu Wydział Nauk Ekonomicznych i Zarzdzania Uniwersytet Szczeciski ul. Mickiewicza 64, 71-101 Szczecin e-mail: luiza.fabisiak@gmail.com. .

(14)