Web數(shù)據(jù)挖掘技術在電子商務中的應用論文

1、Web 數(shù)據(jù)挖掘技術在電子商務中的應用論文電子商務的迅猛開展產(chǎn)生了海量的Web數(shù)據(jù)，從電子商務的大 數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的知識和信息，是電子商務安康開展的需 要。在電子商務中應用Web數(shù)據(jù)挖掘技術，可實現(xiàn)從電子商務的 Web文檔和Web活動中抽取出隱藏的有用模式。本文通過介紹Web 數(shù)據(jù)挖掘技術，分析其在電子商務中的挖掘流程，對其在電子商務 中的具體應用進行了探討。我國電子商務交易量增長迅猛，電子商務平臺和網(wǎng)站越來越 多，數(shù)據(jù)呈現(xiàn)爆炸式增長。面對海量的 Web 數(shù)據(jù)，對企業(yè)而言，構 建良好的客戶管理關系，吸引新客戶留住老客戶，發(fā)現(xiàn)顧客潛在的 購置興趣等都成為了企業(yè)要關注的問題。對用戶而言，如

2、何從爆炸式的大數(shù)據(jù)中發(fā)現(xiàn)與自己相關的信息 存在一定的難度。數(shù)據(jù)挖掘技術是一種從大量的、不完全的、有噪 聲的、隨機的、模糊的數(shù)據(jù)中提取隱含在其中的人們事先不知道 的，但又具有潛在價值的信息和知識的技術1-2。在電子商務中應 用數(shù)據(jù)挖掘技術，從已有的信息數(shù)據(jù)中挖掘出潛在的有用的信息， 已成為人們關注和研究的熱點。Web數(shù)據(jù)挖掘是將傳統(tǒng)的數(shù)據(jù)挖掘思想和技術應用于Web環(huán)境 中，從Web文檔集和Web活動中抽取出感興趣、潛在的、有用的模 式和知識的過程。Web數(shù)據(jù)挖掘根據(jù)Web信息不同可以分為Web內(nèi) 容挖掘、Web結構挖掘和Web使用挖掘三個方面。Web 內(nèi)容挖掘是從文檔內(nèi)容或其描述中直接抽取有用信

3、息的過 程，通過對文本內(nèi)容的檢索，獲取和提煉知識和信息。用于Web內(nèi)容挖掘的數(shù)據(jù)既有無結構的自由文本，也有網(wǎng)民留 言、帖子、中文微博等半結構化的信息和于數(shù)據(jù)庫的結構數(shù)據(jù)。所 以Web內(nèi)容挖掘需要從Web頁面及后臺數(shù)據(jù)庫中開展挖掘任務，從 大量元數(shù)據(jù)、文本、視頻、音頻等網(wǎng)絡數(shù)據(jù)集中找到特定的信息 2。Web結構挖掘是從Web組織結構和鏈接中推導知識，對頁面進 行分類、聚類，提高檢索效率和找出權威頁面，目的是發(fā)現(xiàn)頁面的 內(nèi)部結構和文檔間的結構，利用這些結構蘊含的信息幫助發(fā)現(xiàn)有用 的知識和模式。超鏈接是Web頁面的根本元素，經(jīng)?？梢岳贸溄訉eb結 構進行挖掘。進行Web結構挖掘的常用算法有計算

4、頁面權威的 PageRank算法、基于網(wǎng)頁分析的HITS算法等。Web使用挖掘是從效勞器端記錄的用戶訪問日志或用戶的瀏覽 信息中獲取數(shù)據(jù)，通過分析這些數(shù)據(jù)抽取出隱藏在這些數(shù)據(jù)后面的 用戶模式，進行預測性分析。通過Web使用挖掘，可以發(fā)現(xiàn)隱藏的 與用戶訪問行為相關的規(guī)律，如頻繁訪問路徑、相似用戶群和相似 的Web頁面等3。2.1 Web數(shù)據(jù)挖掘過程在電子商務環(huán)境下，Web數(shù)據(jù)挖掘過程要經(jīng)歷以下幾步，它是 不斷反復修正的過程，直至得到準確的知識，如圖1所示。 確定挖掘任務，建立挖掘模型。構建模型的任務主要是將數(shù) 據(jù)進行規(guī)格化處理，使用不同的算法、調整參數(shù)來優(yōu)化挖掘任務， 數(shù)據(jù)挖掘技術本身就是一個不

5、斷反復、不斷迭代的過程，通過屢次 的循環(huán)構造才能得出更好的評估模型2。 數(shù)據(jù)源：電子商務網(wǎng)站每天都會產(chǎn)生海量的交易數(shù)據(jù)和用戶 訪問記錄，提供的數(shù)據(jù)數(shù)量和質量都會影響到挖掘的結果。由于 Web的結構大體為客戶端一代理效勞器-Web效勞4,所以Web的 數(shù)據(jù)源主要有Web效勞器上的Web日志文件、從代理效勞器端收集 信息及其從Web頁面中提取數(shù)據(jù)等。 數(shù)據(jù)預處理：數(shù)據(jù)預處理的目的是提高挖掘效率，提供有效 的挖掘數(shù)據(jù)，使得結果更合理。Web文檔的數(shù)據(jù)很多都是半結構或 非結構化的，很難對采集的Web數(shù)據(jù)直接進行處理。采集的Web數(shù) 據(jù)需根據(jù)挖掘主題選擇相關的數(shù)據(jù)項，經(jīng)過初步的篩選，縮小數(shù)據(jù) 處理范圍。

6、另外，Web數(shù)據(jù)具有不完全性、冗余性和模糊性等特 性，通過補全不完全項、去除冗余項、處理模糊項等，去掉無用、 不合理的數(shù)據(jù)，最后生成標準的數(shù)據(jù)集。 模式發(fā)現(xiàn)：根據(jù)挖掘需求選擇適宜的Web挖掘算法和工具， 實現(xiàn)從數(shù)據(jù)集發(fā)現(xiàn)潛在的、有用的知識和模型。常用的Web挖掘算 法有：路徑分析用來發(fā)現(xiàn)Web站點中最經(jīng)常被訪問的路徑;關聯(lián)規(guī)那 么用于關聯(lián)知識的發(fā)現(xiàn)，了解網(wǎng)頁之間的關系;序列模式可以挖掘出 交易集之間有時間序列關系的模式;運用分類和聚類算法對數(shù)據(jù)進行 分組等Web挖掘。 模式分析：對于發(fā)現(xiàn)的模式進行驗證、解釋、說明，獲取對 決策支持有用的信息。根據(jù)模式分析的反應，如果沒有得到適宜的 結果，重復上

7、述步驟，重新挖掘知識，直至得到滿意的結果。 結果可視化：Web數(shù)據(jù)挖掘的意義不是獲取龐大的數(shù)據(jù)信 息，而是要將獲取的知識或者模型采取用戶可理解的方式展現(xiàn)給用 戶，這意味著要將分析結果可視化。數(shù)據(jù)可視化主要是借助于圖形 化手段，依據(jù)數(shù)據(jù)本身及其內(nèi)在的模式和關系，清晰有效地傳達與 溝通信息。2.2 Web數(shù)據(jù)挖掘在電子商務中的應用將Web數(shù)據(jù)挖掘技術應用在電子商務中，從技術角度，可以提 供優(yōu)化網(wǎng)站結構和頁面的策略;從商家角度，可以增加穿插銷售量， 盡可能將瀏覽者變?yōu)橄M者;從用戶角度，為用戶提供了個性化效 勞。以下是Web數(shù)據(jù)挖掘在電子商務中的具體應用。 改良站點的訪問效率。通過對Web結構和We

8、b日志的分析， 對Web頁面之間的組織關系、引用關系和超鏈接關系的分析，可以 挖掘用戶網(wǎng)頁瀏覽行為模式、頁面瀏覽情況等，對頁面的重要性進 行評估，有助于商家重新調整頁面結構和頁面布局，改良Web站點 設計，提升訪問效率，吸引更多用戶。 提供個性化效勞。電子商務的快速開展，為用戶提供了更多 的選擇，同時，面對電商網(wǎng)站眾多的商品和越來越復雜的網(wǎng)站結 構，如何能快速查找到自己感興趣的商品是一個費時費力的問題。 個性化效勞是電子商務網(wǎng)站爭取更多用戶、防止用戶流失以及實現(xiàn) 市場目標的重要手段。協(xié)同過濾算法是目前使用最多、應用最成熟 的一種推薦技術5。在電子商務中，運用協(xié)同過濾等推薦算法，構 建基于Web

9、電子商務的個性化推薦系統(tǒng)，可以制定不同的個性化營 銷策略。 商品推薦效勞。運用聚類、分類、關聯(lián)規(guī)那么等數(shù)據(jù)挖掘技 術，可以從用戶的訪問數(shù)據(jù)中發(fā)現(xiàn)商品之間的聯(lián)系，挖掘用戶感興 趣的商品。比方通過用戶購置商品A，推導出商品B也是用戶感興 趣的商品。通過基于Web電子商務的智能推薦系統(tǒng)，客戶可以在較 短時間內(nèi)購置到滿意的商品，同時增加商家的穿插銷售量。 識別電子商務潛在客戶。通過對Web已有的老客戶數(shù)據(jù)的公 共屬性、類別關鍵屬性及其屬性間的相互關系進行分析，建立分類 模型。對于一個新的用戶，根據(jù)已建立的分類模型，對新用戶進行 正確的分類，根據(jù)類別判斷用戶是否潛在客戶。 理解客戶意圖。通過分析用戶的瀏覽路徑等多個數(shù)據(jù)源，運 用路徑游歷模式等發(fā)現(xiàn)算法，發(fā)現(xiàn)被頻繁訪問的路徑，從而發(fā)現(xiàn)用 戶的真實訪問意圖。Web挖掘能夠在海量的大數(shù)據(jù)中尋找出潛在的有用