Web数据挖掘技术在电子商务中的应用论文

1、Web 数据挖掘技术在电子商务中的应用论文电子商务的迅猛开展产生了海量的Web数据，从电子商务的大 数据中发现潜在的、有用的知识和信息，是电子商务安康开展的需 要。在电子商务中应用Web数据挖掘技术，可实现从电子商务的 Web文档和Web活动中抽取出隐藏的有用模式。本文通过介绍Web 数据挖掘技术，分析其在电子商务中的挖掘流程，对其在电子商务 中的具体应用进行了探讨。我国电子商务交易量增长迅猛，电子商务平台和网站越来越 多，数据呈现爆炸式增长。面对海量的 Web 数据，对企业而言，构 建良好的客户管理关系，吸引新客户留住老客户，发现顾客潜在的 购置兴趣等都成为了企业要关注的问题。对用户而言，如

2、何从爆炸式的大数据中发现与自己相关的信息 存在一定的难度。数据挖掘技术是一种从大量的、不完全的、有噪 声的、随机的、模糊的数据中提取隐含在其中的人们事先不知道 的，但又具有潜在价值的信息和知识的技术1-2。在电子商务中应 用数据挖掘技术，从已有的信息数据中挖掘出潜在的有用的信息， 已成为人们关注和研究的热点。Web数据挖掘是将传统的数据挖掘思想和技术应用于Web环境 中，从Web文档集和Web活动中抽取出感兴趣、潜在的、有用的模 式和知识的过程。Web数据挖掘根据Web信息不同可以分为Web内 容挖掘、Web结构挖掘和Web使用挖掘三个方面。Web 内容挖掘是从文档内容或其描述中直接抽取有用信

3、息的过 程，通过对文本内容的检索，获取和提炼知识和信息。用于Web内容挖掘的数据既有无结构的自由文本，也有网民留 言、帖子、中文微博等半结构化的信息和于数据库的结构数据。所 以Web内容挖掘需要从Web页面及后台数据库中开展挖掘任务，从 大量元数据、文本、视频、音频等网络数据集中找到特定的信息 2。Web结构挖掘是从Web组织结构和链接中推导知识，对页面进 行分类、聚类，提高检索效率和找出权威页面，目的是发现页面的 内部结构和文档间的结构，利用这些结构蕴含的信息帮助发现有用 的知识和模式。超链接是Web页面的根本元素，经常可以利用超链接对Web结 构进行挖掘。进行Web结构挖掘的常用算法有计算

4、页面权威的 PageRank算法、基于网页分析的HITS算法等。Web使用挖掘是从效劳器端记录的用户访问日志或用户的浏览 信息中获取数据，通过分析这些数据抽取出隐藏在这些数据后面的 用户模式，进行预测性分析。通过Web使用挖掘，可以发现隐藏的 与用户访问行为相关的规律，如频繁访问路径、相似用户群和相似 的Web页面等3。2.1 Web数据挖掘过程在电子商务环境下，Web数据挖掘过程要经历以下几步，它是 不断反复修正的过程，直至得到准确的知识，如图1所示。 确定挖掘任务，建立挖掘模型。构建模型的任务主要是将数 据进行规格化处理，使用不同的算法、调整参数来优化挖掘任务， 数据挖掘技术本身就是一个不

5、断反复、不断迭代的过程，通过屡次 的循环构造才能得出更好的评估模型2。 数据源：电子商务网站每天都会产生海量的交易数据和用户 访问记录，提供的数据数量和质量都会影响到挖掘的结果。由于 Web的结构大体为客户端一代理效劳器-Web效劳4,所以Web的 数据源主要有Web效劳器上的Web日志文件、从代理效劳器端收集 信息及其从Web页面中提取数据等。 数据预处理：数据预处理的目的是提高挖掘效率，提供有效 的挖掘数据，使得结果更合理。Web文档的数据很多都是半结构或 非结构化的，很难对采集的Web数据直接进行处理。采集的Web数 据需根据挖掘主题选择相关的数据项，经过初步的筛选，缩小数据 处理范围。

6、另外，Web数据具有不完全性、冗余性和模糊性等特 性，通过补全不完全项、去除冗余项、处理模糊项等，去掉无用、 不合理的数据，最后生成标准的数据集。 模式发现：根据挖掘需求选择适宜的Web挖掘算法和工具， 实现从数据集发现潜在的、有用的知识和模型。常用的Web挖掘算 法有：路径分析用来发现Web站点中最经常被访问的路径;关联规那 么用于关联知识的发现，了解网页之间的关系;序列模式可以挖掘出 交易集之间有时间序列关系的模式;运用分类和聚类算法对数据进行 分组等Web挖掘。 模式分析：对于发现的模式进行验证、解释、说明，获取对 决策支持有用的信息。根据模式分析的反应，如果没有得到适宜的 结果，重复上

7、述步骤，重新挖掘知识，直至得到满意的结果。 结果可视化：Web数据挖掘的意义不是获取庞大的数据信 息，而是要将获取的知识或者模型采取用户可理解的方式展现给用 户，这意味着要将分析结果可视化。数据可视化主要是借助于图形 化手段，依据数据本身及其内在的模式和关系，清晰有效地传达与 沟通信息。2.2 Web数据挖掘在电子商务中的应用将Web数据挖掘技术应用在电子商务中，从技术角度，可以提 供优化网站结构和页面的策略;从商家角度，可以增加穿插销售量， 尽可能将浏览者变为消费者;从用户角度，为用户提供了个性化效 劳。以下是Web数据挖掘在电子商务中的具体应用。 改良站点的访问效率。通过对Web结构和We

8、b日志的分析， 对Web页面之间的组织关系、引用关系和超链接关系的分析，可以 挖掘用户网页浏览行为模式、页面浏览情况等，对页面的重要性进 行评估，有助于商家重新调整页面结构和页面布局，改良Web站点 设计，提升访问效率，吸引更多用户。 提供个性化效劳。电子商务的快速开展，为用户提供了更多 的选择，同时，面对电商网站众多的商品和越来越复杂的网站结 构，如何能快速查找到自己感兴趣的商品是一个费时费力的问题。 个性化效劳是电子商务网站争取更多用户、防止用户流失以及实现 市场目标的重要手段。协同过滤算法是目前使用最多、应用最成熟 的一种推荐技术5。在电子商务中，运用协同过滤等推荐算法，构 建基于Web

9、电子商务的个性化推荐系统，可以制定不同的个性化营 销策略。 商品推荐效劳。运用聚类、分类、关联规那么等数据挖掘技 术，可以从用户的访问数据中发现商品之间的联系，挖掘用户感兴 趣的商品。比方通过用户购置商品A，推导出商品B也是用户感兴 趣的商品。通过基于Web电子商务的智能推荐系统，客户可以在较 短时间内购置到满意的商品，同时增加商家的穿插销售量。 识别电子商务潜在客户。通过对Web已有的老客户数据的公 共属性、类别关键属性及其属性间的相互关系进行分析，建立分类 模型。对于一个新的用户，根据已建立的分类模型，对新用户进行 正确的分类，根据类别判断用户是否潜在客户。 理解客户意图。通过分析用户的浏览路径等多个数据源，运 用路径游历模式等发现算法，发现被频繁访问的路径，从而发现用 户的真实访问意图。Web挖掘能够在海量的大数据中寻找出潜在的有用