一種基于粗糙集的小型電子商務(wù)挖掘模型

1、一種基于粗糙集的小型電子商務(wù)挖掘模型摘 要 已有的數(shù)據(jù)挖掘模型大多是針對大型商務(wù)網(wǎng)站設(shè)計(jì)的，成本高，技術(shù)復(fù)雜，難于實(shí)現(xiàn)。本文針對為數(shù)眾多的小型電子商務(wù)網(wǎng)站，將粗糙集與數(shù)據(jù)挖掘結(jié)合起來，建立了一個(gè)切實(shí)可行的參考模型，該模型能夠有效地、自主地挖掘電子商務(wù)網(wǎng)站的運(yùn)營狀況和潛在的經(jīng)濟(jì)規(guī)律，從而為小型電子商務(wù)運(yùn)營者提供決策參考。 關(guān)鍵詞 數(shù)據(jù)挖掘；粗糙集；小型電子商務(wù) 一、 引 言 數(shù)據(jù)挖掘應(yīng)用于小型電子商務(wù)，可發(fā)現(xiàn)客戶新的購買傾向，設(shè)計(jì)投資戰(zhàn)略，在會(huì)計(jì)系統(tǒng)中探測未經(jīng)認(rèn)可的開支，增加銷售業(yè)務(wù)等，其目標(biāo)為揭示小型電子商務(wù)網(wǎng)站的運(yùn)營狀況以及潛在的經(jīng)濟(jì)活動(dòng)。然而，為數(shù)眾多的中小電子商務(wù)網(wǎng)站由于自身規(guī)模小、商業(yè)

2、伙伴多、客戶雜而多、產(chǎn)品周期短、可利用資金少等特點(diǎn)，很難實(shí)現(xiàn)針對大型商務(wù)網(wǎng)站設(shè)計(jì)的數(shù)據(jù)挖掘模型。故建立一個(gè)適合于小型電子商務(wù)網(wǎng)站的切實(shí)可行的數(shù)據(jù)挖掘模型非常必要。 通常, 一個(gè)簡單的小型電子商務(wù)系統(tǒng)包括以下幾個(gè)基本功能: 1. 客戶注冊?？蛻敉ㄟ^該功能提交相應(yīng)的客戶信息?？蛻粢话憧煞譃閮深悾浩胀蛻艉蜁?huì)員客戶。他們享有不同的權(quán)限,通常會(huì)員客戶將享受一些優(yōu)惠的價(jià)格、被邀請參加一些網(wǎng)站舉辦的活動(dòng)等。 2. 客戶登錄。主要進(jìn)行客戶身份認(rèn)證，以確保是合法的客戶。 3. 在線商品瀏覽?？蛻艨闪私馍唐返脑敿?xì)情況。商品陳列如現(xiàn)實(shí)中超市的貨架一樣。好的分類以及好的擺放次序都將影響銷售業(yè)務(wù)。 4. 購物車。實(shí)現(xiàn)

3、超市購物車的功能?？蛻粢贿厼g覽網(wǎng)站一邊將欲購買的商品放入購物車。 5. 生成訂單（購物單）。當(dāng)客戶選好商品后,系統(tǒng)按照客戶購物車中的商品生成購物單。 6. 訂單確認(rèn)。網(wǎng)站按照訂單，計(jì)算出本次購買的購買清單和總金額后，讓客戶確認(rèn)是否真的購買。 7. 在線支付。當(dāng)客戶確認(rèn)訂單后,可通過信用卡在線支付,支付成功后系統(tǒng)生成一份永久訂單，并提交給訂單處理系統(tǒng)。 8. 成交確認(rèn)。當(dāng)客戶成功實(shí)現(xiàn)支付后,站點(diǎn)向客戶發(fā)送E-mail以確認(rèn)交易成功。 以上是電子商務(wù)的基本功能，除此之外，更需要一個(gè)高效、安全的數(shù)據(jù)挖掘工具, 挖掘潛在的、深層次的經(jīng)濟(jì)活動(dòng)，為網(wǎng)站決策者提供各種分析數(shù)據(jù)和參考決策，如自動(dòng)生成日報(bào)表、月

4、報(bào)表等統(tǒng)計(jì)報(bào)表，以及客戶行為變化、商品銷售預(yù)測等。 電子商務(wù)環(huán)境下，供應(yīng)商、倉儲(chǔ)物流伙伴、客戶之間要進(jìn)行物流、信息流和資金流等經(jīng)濟(jì)活動(dòng), 數(shù)據(jù)挖掘可對物流數(shù)據(jù)、信息流數(shù)據(jù)、資金流數(shù)據(jù)進(jìn)行綜合挖掘。 二、 基于粗糙集的小型電子商務(wù)挖掘模型 數(shù)據(jù)挖掘的一般過程包括：數(shù)據(jù)采集、數(shù)據(jù)清洗、挖掘算法確定、數(shù)據(jù)挖掘、模式解釋及知識(shí)評價(jià)。從理論研究到應(yīng)用實(shí)現(xiàn)，涉及的技術(shù)主要有分類技術(shù)、聚類技術(shù)、粗糙集技術(shù)、統(tǒng)計(jì)技術(shù)和關(guān)聯(lián)規(guī)則技術(shù)等。 粗糙集技術(shù)是處理知識(shí)的有效方法，已在眾多領(lǐng)域得到廣泛的應(yīng)用。這里，結(jié)合粗糙集，建立如圖1所示的挖掘模型。從圖1中看到，采用的主要技術(shù)是粗糙集技術(shù)。以下對其中的關(guān)鍵步驟作進(jìn)一步的

5、分析。 三、 小型電子商務(wù)網(wǎng)站的數(shù)據(jù)采集 數(shù)據(jù)采集是數(shù)據(jù)挖掘的基礎(chǔ)。電子商務(wù)網(wǎng)站的數(shù)據(jù)分布在服務(wù)器端、代理端和客戶端。理論上講，應(yīng)采集到所有三處的數(shù)據(jù)，才能得到最完整的數(shù)據(jù)。但在實(shí)際中，由于實(shí)際情況的限制，幾乎是不可能實(shí)現(xiàn)的。具體分析如下： 1. 服務(wù)器端數(shù)據(jù)采集。在服務(wù)器端客戶的行為可以被TCP/IP包監(jiān)測器跟蹤，以提取客戶的請求信息。服務(wù)器主要以Web日志的形式記錄客戶每一次的網(wǎng)頁請求信息。主要包括：客戶標(biāo)識(shí)、遠(yuǎn)程IP、請求日期和時(shí)間等，并且可以記錄COOKIES和查詢參數(shù)來描述各個(gè)不同客戶的行為。其優(yōu)點(diǎn)是：能夠?qū)崟r(shí)采集數(shù)據(jù)；來自不同服務(wù)器的數(shù)據(jù)能被整合到唯一的日志中。服務(wù)器端數(shù)據(jù)采集的缺

6、點(diǎn)是：如果客戶使用本地CACHE和代理（Proxy）,則Web服務(wù)器僅能獲取代理信息，而得不到客戶的真正信息；同樣， Web環(huán)境中有各種CACHE，Web日志記錄可能不準(zhǔn)確。這些都將導(dǎo)致信息的不完整以及信息量的不足。 2. 代理端數(shù)據(jù)采集。許多網(wǎng)絡(luò)服務(wù)商通過CACHE為客戶提高導(dǎo)航速度，它通過海量的Web Servers來采集客戶數(shù)據(jù)。代理不僅可以采集多個(gè)客戶的行為，還可以采集多個(gè)網(wǎng)站的行為。代理端數(shù)據(jù)采集適合有大量靜態(tài)頁面的網(wǎng)站。 代理端數(shù)據(jù)采集的缺點(diǎn)是：多個(gè)客戶使用同一個(gè)代理服務(wù)器的環(huán)境下，如何標(biāo)識(shí)某個(gè)客戶，如何識(shí)別屬于該客戶的會(huì)話和使用記錄，此問題在很大程度上影響挖掘質(zhì)量。 3. 客戶端

7、數(shù)據(jù)采集。客戶端通過JavaScript、Java Applets或修改過的瀏覽器記錄數(shù)據(jù)。但JavaScript不能記錄客戶所有的行為，而Java Applets可以記錄客戶的所有行為，但效率低。 客戶端數(shù)據(jù)采集的缺點(diǎn)是：客戶可能會(huì)在瀏覽器設(shè)置中關(guān)閉JavaScript、Java Applets功能；涉及客戶的個(gè)人隱私信息，需要客戶配合。 綜上所述，對于電子商務(wù)網(wǎng)站而言，盡管有多種數(shù)據(jù)采集源，但實(shí)現(xiàn)起來比較困難，而且所得數(shù)據(jù)是很不完整的。 基于以上分析，在建立電子商務(wù)網(wǎng)站時(shí)，除客戶注冊表、商品表等表外，應(yīng)在服務(wù)器端維持兩個(gè)基本表：客戶行為表和商業(yè)行為表?？蛻粜袨楸碛涗浛蛻舻男袨?，如：登錄、查

8、詢、添加商品到購物車、瀏覽等行為。商業(yè)行為表記錄客戶的實(shí)際購物情況，如所購商品、數(shù)量、日期等。 表的基本結(jié)構(gòu)包含如下一些基本字段： 客戶行為表：Customer No, Customer Type, Date, Login Time, Exit Time, Home, Browse, Search, Login, Pay, Register, Add to Cart, Select 其中，Customer Type為客戶類別：0-普通客戶，1-會(huì)員客戶。 商業(yè)行為表：Customer No, Merchandises, Number, Date, Time 可見，上述兩個(gè)表格記錄了挖掘所需的基

9、本數(shù)據(jù)，使得數(shù)據(jù)采集更易于完成。 四、 粗糙集數(shù)據(jù)清洗 利用粗糙集的約簡算法對數(shù)據(jù)進(jìn)行清洗。主要是計(jì)算知識(shí)的約簡、核、上近似及下近似（正域）。以決策規(guī)則為例。表1是某電子商店的購物記錄， P，Q，R，S代表4種商品；Customer No. 為客戶號。是：表示購買了某商品；否：表示沒有購買某商品。 以下對表1進(jìn)行粗糙集數(shù)據(jù)清洗。 根據(jù)粗糙集理論，論域U=t1，t2，t3，t4，t5，t6，t7，t8，條件屬性集C=P，Q，R，決策屬性集D=S。容易計(jì)算： U關(guān)于等價(jià)關(guān)系C的劃分U/C=X1，X2，X3，X4，X5，其中，X1=t1，X2=t2，t3，X3=t4，X4=t5，t7，X5=t6，t

10、8。 U關(guān)于等價(jià)關(guān)系D的劃分U/D=Y1，Y2，其中，Y1=t2，t3，t6，t7，t8，Y2=t1，t4，t5。 類似地，U/P=t1，t2，t3，t4，t5，t6，t7，t8，U/Q=t1，t2，t3，t4，t6，t8，t5，t7，U/R=t2，t3，t5，t6，t7，t8，t1，t4，U/P，Q=t1，t2，t3，t4，t6，t8，t5，t7，U/P，R=t1，t2，t3，t4，t5，t6，t7，t8，U/Q，R=t1，t4，t2，t3，t6，t8，t5，t7 以下計(jì)算正域： posC（D）= t1，t2，t3，t4，t6，t8 pos（C-P）（D）= t1，t4，t2，t3，t6，t

11、8=posC(D) pos（C-Q）（D）= t1，t2，t3，t4posC(D) pos（C-R）（D）=posC(D) pos（C-P， Q）（D）= t1，t4posC(D) pos（C-P，R）（D）=posC(D) pos（C-Q，R）（D）=posC(D) 因此，C的D約簡為Q，R。故表1經(jīng)過粗糙集數(shù)據(jù)清洗后得到表2。 五、 決策規(guī)則的提取 定義決策規(guī)則為： rij：des（Xi） des（Yj），XiYj?準(zhǔn)。其中，des（）為對等價(jià)類的描述。 定義規(guī)則rij的確定性因子（Xi，Yj）=| XiYj |/| Xi |。顯然，0（Xi，Yj）1。 當(dāng)（Xi，Yj）=1時(shí)，rij是確

12、定的；當(dāng)0（Xi，Yj）1時(shí)，rij是不確定的。 這樣，可得以下確定性規(guī)則： r12：（購買Q）且（不購買R） （不購買S） r21：（購買Q）且（購買R） （購買S） r32：（購買Q）且（不購買R） （不購買S） r51：（購買Q）且（購買R） （購買S） 不確定性規(guī)則為： r41：（不購買Q）且（購買R） （購買S），（X4，Y1）=0.5 r42：（不購買Q）且（購買R） （不購買S），（X4，Y2）=0.5 六、 模式解釋及知識(shí)評價(jià) 經(jīng)過挖掘可得到大量的模式和規(guī)則，需對規(guī)則作進(jìn)一步的篩選、合并。上述例子經(jīng)合并后最終得到兩條確定性規(guī)則： 1（購買Q）且（購買R） （購買S） 2（購買Q）且（不購買R） （不購買S） 基于上述規(guī)則，可作決策：在電子商店中，可將商品P，Q，R按順序相鄰擺放在一起?？商岣咪N售。 對于不確定規(guī)則，可作參考或直接刪除均可。 七、 結(jié)束語 通過以上分析，所建立的基于粗糙集的小型電子商務(wù)挖掘模型是有效、可行的。已經(jīng)提出很多可行的粗糙集算法，在實(shí)現(xiàn)挖掘時(shí)可參考。上述只舉出決