基于支持向量機(jī)的Web代理緩存內(nèi)容分類

劉宇松

摘 要：Web代理緩存對提高萬維網(wǎng)的性能起著關(guān)鍵性的作用。然而，在確定哪些Web對象在隨后的網(wǎng)絡(luò)訪問中會被再一次訪問非常困難，這仍然是現(xiàn)有Web代理緩存技術(shù)所面臨的一個大問題。利用支持向量機(jī)對Web代理日志數(shù)據(jù)的學(xué)習(xí)，可以很好地解決Web代理緩存技術(shù)的相關(guān)問題，從而使代理緩存的利用率更高。

關(guān)鍵詞：支持向量機(jī)；代理緩存；高維度空間；Web緩存技術(shù)

中圖分類號：TP333 文獻(xiàn)標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2016.21.099

網(wǎng)絡(luò)對我們的生活產(chǎn)生了巨大的影響。在許多領(lǐng)域，比如教育、娛樂、醫(yī)學(xué)等，網(wǎng)絡(luò)已經(jīng)成為一個十分有用的工具。這些跡象表明，互聯(lián)網(wǎng)用戶的快速增長，導(dǎo)致互聯(lián)網(wǎng)經(jīng)?！皳矶隆?，最終，互聯(lián)網(wǎng)用戶受到了緩慢的響應(yīng)時間的影響，尤其是在瀏覽特別流行的網(wǎng)站。最流行的基于軟件的解決方案是Web緩存技術(shù)，Web緩存有3個層次，分別是客戶端層、代理層和原始服務(wù)器層。代理服務(wù)器在用戶與網(wǎng)站之間起著紐帶作用，它可以縮短用戶請求的響應(yīng)時間，節(jié)省網(wǎng)絡(luò)帶寬。因此，為了實(shí)現(xiàn)更短的響應(yīng)時間，一個有效的緩存應(yīng)該建立在代理服務(wù)器上。

由于緩存空間的限制，需要一個智能的方式來有效管理Web緩存內(nèi)容。傳統(tǒng)的緩存策略是無效的，因?yàn)槠渲豢紤]一個因素，而忽略了其他對Web緩存效率有影響得因素。因此，現(xiàn)在有許多緩存策略提出，并獲得了很好的效果。

支持向量機(jī)是一種監(jiān)督式的學(xué)習(xí)方法，它有許多良好的品質(zhì)，使其成為了最流行的算法之一，在許多分類應(yīng)用中，比如文本分類、網(wǎng)頁分類等的應(yīng)用比其他算法更快、更準(zhǔn)確。

本文提出了用支持向量機(jī)來預(yù)測稍后可重新訪問的Web對象，將這些預(yù)測的Web對象存儲在代理緩存空間上，以更有效地利用代理緩存空間。

1 支持向量機(jī)

支持向量機(jī)（Support Vector Machine，SVM）是Corinna Cortes和Vapnik等人于1995年首先提出的，其在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并能推廣應(yīng)用到函數(shù)擬合等其他機(jī)器的學(xué)習(xí)中。

支持向量機(jī)的主要思想是使用一個高維度空間，在這個空間中找到一個錯誤率最小的超平面，進(jìn)而用來對兩個類進(jìn)行二元劃分。支持向量機(jī)是一個學(xué)習(xí)模型，需要通過學(xué)習(xí)來運(yùn)行。在學(xué)習(xí)階段，支持向量機(jī)學(xué)會發(fā)現(xiàn)幾個代表學(xué)習(xí)數(shù)據(jù)的支持向量。因此，支持向量機(jī)根據(jù)學(xué)習(xí)模型對一個給定的未知的數(shù)據(jù)集進(jìn)行分類。

然而，對于許多現(xiàn)實(shí)生活中的問題，想要找到一個超平面的數(shù)據(jù)進(jìn)行分類很困難。對于處理非線性可分?jǐn)?shù)據(jù)，在線性情況下仍然可使用相同的公式和方法，輸入的數(shù)據(jù)只從其原始空間轉(zhuǎn)換到另一個高維度空間。在這個空間里，一個線性決策邊界可以分離出正面和負(fù)面樣本，我們將這個空間稱為特征空間。因此，支持向量機(jī)的基本思想是將輸入空間中的數(shù)據(jù)通過一個非線性映射將數(shù)據(jù)映射到一個特征空間里。

綜上所述，非線性決策邊界通過轉(zhuǎn)換將原始數(shù)據(jù)轉(zhuǎn)換到一個更高維度的特征空間中。然而，這種轉(zhuǎn)換卻從來都沒有明確的實(shí)施過。相反，支持向量機(jī)的核心函數(shù)在學(xué)習(xí)過程中不需要了解變換功能就可以計(jì)算所有的數(shù)據(jù)點(diǎn)。支持向量機(jī)有多個核心函數(shù)供用戶選擇，以解決不同的問題。不同的核心函數(shù)適用于不同的問題類型。

2 基于支持向量機(jī)的分類方法

本文提出一個基于支持向量機(jī)的對Web代理緩存內(nèi)容進(jìn)行分類的分類器方法框架，如圖1所示。該方法包括數(shù)據(jù)收集、預(yù)處理和學(xué)習(xí)階段。因此，Web緩存是可以通過經(jīng)過學(xué)習(xí)的支持向量機(jī)分類器來管理的。

2.1 數(shù)據(jù)收集

Web代理日志文件可以提供用戶在登錄到服務(wù)器后所進(jìn)行的一切操作信息。筆者認(rèn)為，Web代理日志文件是完整的知識體系，是可以作為學(xué)習(xí)數(shù)據(jù)來使用的，可有效預(yù)測下一個Web對象。

2.2 數(shù)據(jù)預(yù)處理

在支持向量機(jī)學(xué)習(xí)階段之前，需要對數(shù)據(jù)進(jìn)行預(yù)處理，使數(shù)據(jù)可被支持向量機(jī)學(xué)習(xí)。數(shù)據(jù)預(yù)處理包括數(shù)據(jù)跟蹤準(zhǔn)備和數(shù)據(jù)集準(zhǔn)備兩方面。

由于在日志文件中有一些無效的條目和不相關(guān)的條目，在數(shù)據(jù)跟蹤準(zhǔn)備時需要刪除這些條目。數(shù)據(jù)跟蹤準(zhǔn)備分為以下3步：①數(shù)據(jù)分析。明確日志文件中連續(xù)記錄之間的邊界以及每條記錄中的不同字段。②數(shù)據(jù)過濾。了解不相關(guān)的輸入，比如非緩存請求、錯誤的HTTP狀態(tài)碼輸入等，只考慮正確的輸入。③數(shù)據(jù)定型。消除不必要的字段，將數(shù)據(jù)確定為最終適合支持向量機(jī)學(xué)習(xí)的格式。

2.3 學(xué)習(xí)階段

支持向量機(jī)已被廣泛應(yīng)用于解決各種分類問題中。在核心函數(shù)學(xué)習(xí)的幫助下，支持向量機(jī)已經(jīng)應(yīng)用到了許多領(lǐng)域中，并取得了成功。

3 結(jié)束語

Web緩存是提高Web系統(tǒng)可擴(kuò)展性的有效解決方案之一。本文提出了基于支持向量機(jī)的預(yù)測Web對象的智能方案，用支持向量機(jī)預(yù)測Web對象隨后是否可以重新訪問。因此，支持向量機(jī)可以有效地優(yōu)化代理緩存的使用，具有良好的性能。

參考文獻(xiàn)

[1]郎宇寧，藺娟如.基于支持向量機(jī)的多分類方法研究[J].中國西部科技，2010（17）.

[2]劉成忠.兩種不確定支持向量機(jī)分類性能的對比研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011（11）.

[3]張松蘭.支持向量機(jī)的算法及應(yīng)用綜述[J].江蘇理工學(xué)院學(xué)報(bào)，2016（02）.

[4]張超群.代理緩存關(guān)鍵技術(shù)的研究[J].計(jì)算機(jī)工程與科學(xué)，2007（02）.

〔編輯：張思楠〕