fabricioferracioli / mestrado_files Goto Github PK

Esse repositorio contem arquivos utilizados para implementação da proposta de mestrado de Fabrício Ferracioli na Universidade Estadual de Londrina

Utilização:

Para utilizar o programa é necessário um log de acesso do servidor Web Apache, são reconhecidos tanto o formato padrão quanto o extendido. É comum encontrar esse arquivo com o nome de access_log.
Deverá ser feito um arquivo texto de configuração no cada tarefa a ser executada em uma linha seguindo o formato:

* ui uf mr id, onde

ui - URL inicial da tarefa. Ex: /aplicacao/minha_pagina.ext?param=value
uf - URL final da tarefa. Ex: /aplicacao/minha_url_sucesso.ext?param=value
mr - Quantidade máxima de requisições entre as URLs inicial e final. Ex: 3
id - String identificadora da tarefa. Ex: teste

O programa pode ser iniciado do modo:

* [python] filter.py -i access_log -c config [-f true -S]

Onde -i refere-se ao log de acesso do Apache, -c ao arquivo com as configurações, -f é um parâmetro adicional que remove bancos de dados de análises de log anteriores e -S indica que o som tradicional será utilizado ao invés do ghsom.

Ao final da primeira etapa, serão gerados arquivos para execução do ghsom, com nomes seguindo o padrão:
- id.in.som
- id.prop
- id.t.som

É interessante alterar as configurações de alguns parâmetros de calibração do ghsom no arquivo id.prop. Para mais informações acesse a documentação oficial do pacote em http://www.ifs.tuwien.ac.at/~andi/ghsom/index.html. Certifique-se de que existe um diretório output em seu diretório de trabalho, os arquivos de saída do ghsom serão gravados nele caso as configurações padrão sejam mantidas.

Após alteração dos paramêtros, basta executar o ghsom:

* ./ghsom id.prop

Apos esse passo é possível executar o k-means. Nesse ponto é necessário ter os módulos de python scipy e numpy instalados:

* [python] pre_kmeans.py -c id.prop [-n -S]

O parâmetro -n determina que a entrada para o k-means não deve ser normalizada. Caso não seja fornecida a entrada será normalizada. É recomendado utilizar a normalização, em casos onde o algoritmo não funcionar, tente utilizar o parametro -n. Já o parâmetro -S determina que na etapa anterior o algoritmo utilizado foi o SOM, e não o k-means.

Quando resultados com quantidade de clusters fora dos valores esperados for apresentadas, remova os arquivos do diretório output.