web数据挖掘在电商务中的应用研究.doc

Web数据挖掘在电子商务中的应用研究 ［摘要］当今互联网拥有海量的数据，如何对这些Web上的数据进行挖掘提取有用的模式，辅助企业获得成功，是一个刻不容缓的题目。本文对Web数据挖掘在电子商务中的应用进行了研究,主要做了以下工作:1.总结了数据挖掘研究现状及最新进展.提出了数据挖掘逻辑模型及存在的一些问题.2.描述了Web数据挖掘技术,Web数据挖掘的用途,以及XML在数据挖掘中的应用.3.讨论了在电子商务中如何有效地利用几种可行的数据挖掘技术,如路陉分析、关联规则分析、序列模式分析、分类分析和聚类分析等挖掘出用户的购买模式及浏览模式,并就其中的路陉分析和序列模式分析提出了实现的方法. ［关键字］Web数据挖掘、电子商务 1 引言 电子商务是利用计算机技术、网络技术和远程通信技术，实现整个商务(买卖)过程中的电子化、数字化和网络化。在全球范围内，基于Internet的电子商务迅猛发展，促使各企业经营者必须及时搜集大量的数据，并且将这些数据转换成有用的信息，为企业创造更多潜在的利润。利用Web数据挖掘技术可以有效地帮助企业分析从网上获取的大量数据，提取出有效信息，进而指导企业调整营销策略，给客户提供动态的个性化的高效率服务。同时Internet是一个巨大、分布广泛、全球性的信息资源储备库。随着上网人数的急剧增加，电子商务的蓬勃发展，各种基于互联网的商业Web站点也面临越来越激烈的竞争。Web包含了丰富和动态的超链接信息，以及Web页面的访问和使用信息，这也为数据挖掘提供了大量丰富的资源。[1][2] 2 Web数据挖掘简介 　 Web数据挖掘(Web Data Mining)是利用数据挖掘从Web文档及Web服务中自动发现并提取用户感兴趣的、潜在的、有用的模式和隐藏信息。Web数据挖掘的主要目标就是从Web的访问记录中抽取用户感兴趣的模式，WWW服务器中的访问日志，记录了关于用户访问和交互的信息，通过Web数据挖掘，就可以根据用户的访问兴趣、访问频度、访问时间动态地调整页面结构，改进服务，开展有针对性的电子商务活动，以更好地满足客户的需求。 Web 数据挖掘就是解决上述题目的一个途径。当数据挖掘技术应用于网络环境下的 Web 中就成为 Web数据挖掘。 Web数据挖掘就是从 Web 文档和 Web活动中抽取感爱好的潜伏的有用模式和隐躲的信息。 　　 Web挖掘可以分为三类：Web内容挖掘、Web结构挖掘和Web使用挖掘 [6]。Web内容挖掘是用来提取文字、图片或其他组成网页内容成分的信息；Web结构挖掘是用来提取网络的拓扑信息，即网页之间的衔接的信息；Web使用挖掘是用来提取关于客户如何运用浏览器浏览和使用这些衔接的信息。 3 Web挖掘的过程和方法 3.1 Web挖掘的过程 电子商务中的Web挖掘过程一般由3个主要阶段组成：数据准备、挖掘操作、结果表达和解释。 (1)数据准备：这个阶段又可分成3个子步骤：数据集成、数据选择、数据预处理。数据集成将多文件或多数据库运行环境中的数据进行合并处理，解决语义模糊准备，这个阶段又可分成为处理数据中的遗漏等。数据选择的目的是辨别出需要分析的数据集合，缩小处理范围，提高数据挖掘的质量。预处理是为了克服数据挖掘工具的局限性。 (2)数据挖掘：这个阶段进行实际的挖掘操作，包括的要点有：决定如何产生假设；选择合适的工具；发掘知识的操作；证实发现的知识。 （3）结果表述和解释：根据最终用户的决策目的对提取的信息进行分析，把最有价值的信息区分开来，并且通过决策支持工具提交给决策者。因此，这一步骤的任务不仅是把结果表达出来，还要对信息进行过滤处理，如果不能令决策者满意，需要重复上述过程。 3.2 Web数据挖掘的方法 (1)协同过滤：协同过滤技术采用最近邻技术，利用客户的历史、喜好信息计算用户之间的距离，目标客户对特点商品的喜好程度由最近邻居对商品的评价的加权平均值来计算。 (2)关联规则：关联规则是寻找在同一个事件中出现的不同项的相关性，用数学模型来描述关联规则发现的问题：x=y的蕴含式，其中x,y为属性——值对集(或称为项目集)，且X∩Y空集。在数据库中若S%的包含属性——值对集X的事务也包含属性——值集Y，则关联规则X=Y的置信度为C%。 (3)Web日志的聚类算法：聚类分析是把具有相似特征的用户或数据项归类,在网站管理中通过聚类具有相似浏览行为的用户。基于模糊理论的Web页面聚类算法与客户群体聚类算法的模糊聚类定义相同，客户访问情况可用URL(Uj)表示。有Suj={(Ci，fSuj(Ci))|Ci∈C}，其中fSuj(Ci)→[0，1]是客户Ci和URL(Uj)间的关联度：式中m为客户的数量