Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

Traffic Analytics for Linked Data Publishers

verfasst von : Luca Costabello, Pierre-Yves Vandenbussche, Gofran Shukair, Corine Deliot, Neil Wilson

Erschienen in: The Semantic Web

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We present a traffic analytics platform for servers that publish Linked Data. To the best of our knowledge, this is the first system that mines access logs of registered Linked Data servers to extract traffic insights on daily basis and without human intervention. The framework extracts Linked Data-specific traffic metrics from log records of HTTP lookups and SPARQL queries, and provides insights not available in traditional web analytics tools. Among all, we detect visitor sessions with a variant of hierarchical agglomerative clustering. We also identify workload peaks of SPARQL endpoints by detecting heavy and light SPARQL queries with supervised learning. The platform has been tested on 13 months of access logs of the British National Bibliography RDF dataset.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Explaining Graph Navigational Queries
Fußnoten
7
Multidimensional Online Analytical Processing.
 
8
This is a lower bound estimate. Access logs do not contain SPARQL result sets.
 
Literatur
1.
Arlitt, M.: Characterizing web user sessions. ACM SIGMETRICS Perform. Eval. Rev. 28(2), 50–63 (2000)CrossRef
2.
Buil-Aranda, C., Hogan, A., Umbrich, J., Vandenbussche, P.-Y.: SPARQL web-querying infrastructure: Ready for action? In: Alani, H., Kagal, L., Fokoue, A., Groth, P., Biemann, C., Parreira, J.X., Aroyo, L., Noy, N., Welty, C., Janowicz, K. (eds.) ISWC 2013. LNCS, vol. 8219, pp. 277–293. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-41338-4_​18CrossRef
3.
Costabello, L., Vandenbussche, P., Shukair, G., Deliot, C., Wilson, N.: Access logs don’t lie: Towards traffic analytics for linked data publishers. In: Proceedings of ISWC Posters & Demos Track (2016)
4.
Demartini, G., Enchev, I., Wylot, M., Gapany, J., Cudré-Mauroux, P.: BowlognaBench—Benchmarking RDF analytics. In: Aberer, K., Damiani, E., Dillon, T. (eds.) SIMPDA 2011. LNBIP, vol. 116, pp. 82–102. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-34044-4_​5CrossRef
5.
Dividino, R., Gröner, G.: Which of the following SPARQL queries are similar? why? In: Proceedings of LD4IE Workshop (2013)
6.
Fasel, D., Zumstein, D.: A fuzzy data warehouse approach for web analytics. In: Lytras, M.D., Damiani, E., Carroll, J.M., Tennyson, R.D., Avison, D., Naeve, A., Dale, A., Lefrere, P., Tan, F., Sipior, J., Vossen, G. (eds.) WSKS 2009. LNCS (LNAI), vol. 5736, pp. 276–285. Springer, Heidelberg (2009). doi:10.​1007/​978-3-642-04754-1_​29CrossRef
7.
Gallego, M.A., Fernández, J.D., Martínez-Prieto, M.A., de la Fuente, P.: An empirical study of real-world SPARQL queries. In: Proceedings of USEWOD (2011)
8.
Halfaker, A., Keyes, O., Kluver, D., Thebault-Spieker, J., Nguyen, T., Shores, K., Uduwage, A., Warncke-Wang, M.: User session identification based on strong regularities in inter-activity time. In: Proceedings of WWW, pp. 410–418 (2015)
9.
Hasan, R., Gandon, F.: A machine learning approach to SPARQL query performance prediction. In: Proceedings of WI, vol. 1, pp. 266–273. IEEE (2014)
10.
Heath, T., Bizer, C.: Linked Data: Evolving the Web into a Global Data Space. Synthesis Lectures on the Semantic Web. Morgan & Claypool, Palo Alto (2011)
11.
12.
Mehrzadi, D., Feitelson, D.G.: On extracting session data from activity logs. In: Proceedings of ISS, p. 3. ACM (2012)
13.
Möller, K., Hausenblas, K., Cyganiak, R., Handschuh, S.: Learning from linked open data usage: Patterns & metrics. In: Proceedings of Web Science (2010)
14.
Murray, G.C., Lin, J., Chowdhury, A.: Identification of user sessions with hierarchical agglomerative clustering. In: ASIS&T, vol. 43(1), 1–9 (2006)CrossRef
15.
Pallis, G., Angelis, L., Vakali, A.: Model-based cluster analysis for web users sessions. In: Hacid, M.-S., Murray, N.V., Raś, Z.W., Tsumoto, S. (eds.) ISMIS 2005. LNCS (LNAI), vol. 3488, pp. 219–227. Springer, Heidelberg (2005). doi:10.​1007/​11425274_​23CrossRef
16.
Pérez, J., Arenas, M., Gutierrez, C.: Semantics and complexity of SPARQL. In: Cruz, I., Decker, S., Allemang, D., Preist, C., Schwabe, D., Mika, P., Uschold, M., Aroyo, L.M. (eds.) ISWC 2006. LNCS, vol. 4273, pp. 30–43. Springer, Heidelberg (2006). doi:10.​1007/​11926078_​3CrossRef
17.
Petridou, S.G., Koutsonikola, V.A., Vakali, A.I., Papadimitriou, G.I.: Time-aware web users’ clustering. IEEE Trans. Knowl. Data Eng. 20(5), 653–667 (2008)CrossRef
18.
Picalausa, F., Vansummeren, S.: What are real SPARQL queries like? In: Proceedings of SWIM, p. 7. ACM (2011)
19.
Schmidt, M., Meier, M., Lausen, G.: Foundations of SPARQL query optimization. In: ICDT, pp. 4–33. ACM (2010)
20.
Ye, C., Wilson, M.L., Rodden, T.: Develop, implement, and improve a web session detection model. In: Proceedings of IIiX, pp. 336–338. ACM (2014)
Metadaten
Titel
Traffic Analytics for Linked Data Publishers
verfasst von
Luca Costabello
Pierre-Yves Vandenbussche
Gofran Shukair
Corine Deliot
Neil Wilson
Copyright-Jahr
2017
Buch
The Semantic Web

Print ISBN: 978-3-319-58067-8

Electronic ISBN: 978-3-319-58068-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-58068-5_1

Neuer Inhalt

    Bildnachweise