Web数据挖掘及其在电子商务中的应用研究论文

　　[摘要] 电子商务是现代商业模式，数据挖掘是先进的信息处理技术，因此数据挖掘在电子商务中具有广阔的应用前景。本文主要介绍了web数据挖掘的概念和分类，论述了电子商务中web数据挖掘的过程和方法，最后阐述了web数据挖掘技术在电子商务中的应用。

　　[关键词] web 数据挖掘 电子商务

　　一、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。

　　二、web数据挖掘

　　1.web数据挖掘的概念

　　数据挖掘是指从数据库中的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。web数据挖掘是数据挖掘技术在web环境下的应用，是从web文档和web活动中发现潜在的、有用的模式或信息。它是一项综合技术，涉及到internet、人工智能、计算机语言学、信息学、统计学等多个领域。

　　2.web数据挖掘的类型

　　电子商务中web信息的多样性决定了挖掘任务的多样性。按照web处理对象的不同，web数据挖掘可以分为以下三种类型：

　　(1)web内容挖掘(web content mining)：可分为web页面内容挖掘和搜索结果挖掘。WWW.133229.COM前者指的是对web页面上的数据进行挖掘。而后者指的是以某一搜索引擎为基础，对已搜索结果的挖掘，以得到更精确有用的信息。web内容挖掘常用的方法有weboql和ahoy。

　　(2)web结构挖掘(web structure mining)：可分为超链接挖掘、内容挖掘和url挖掘。整个web空间里，有用的知识不仅包含在web页面的内容之中，而且包含在页面的结构之中。web结构挖掘是挖掘web潜在的链接结构模式，是对web页面超链接关系、文档内部结构、文档url中的`目录途径结构的挖掘。page2rank方法就是利用文档间链接信息来查找相关的web页。

　　(3)web使用挖掘(web usage mining)：可分为一般访问模式挖掘和个性化服务模式挖掘。它是从web的访问记录中抽取感兴趣的模式。/dianzijixie/">电子商务中，关联规则的发现也就是找到客户对网站上各种文件之间访问的相互联系。联系的问题就是得到如下形式的规则：“”， 其中与均为在数据库中相关数据特征属性值的集合。例如，用关联规则技术，我们可以发现：如果客户在一次访问行为中，访问了页面／page1时，一般也会访问页面／page2。进行web上的数据挖掘，构建关联模型，我们可以更好地组织站点，减少用户过滤信息的负担，实施有效的市场策略，增加交叉销售量。

　　4.序列模式(sequential pattern)

　　序列模式分析的目的是为了挖掘出数据间的前后或因果关系，就是在时间戳有序的事务集中，找到那些“一些项跟随另一个项”的内部事务模式。例如，在／page1上进行过在线订购的顾客，有60%的人在过去10天内也在／page2上下过定单。通过序列模式的发现，能够便于电子商务的经营者预测客户的访问模式，在服务器方选取有针对性的页面，以满足访问者的特定要求；网站的管理员可将访问者按浏览模式分类，在页面上只展示具有该浏览模式的访问者经常访问的链接，而用一个“更多内容”指向其他未被展示的内容。当访问者浏览到某页面时，检查他的浏览所符合的序列模式，并在显眼的位置提示“访问该页面的人通常接着访问”的若干页面。

　　5.分类规则(classification regulation)

　　分类要解决的问题是为一个事件或对象归类。设有一个数据库和一组具有不同特征的类别(标记)，该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。例如，经过web挖掘发现，在／page1进行过在线订购的客户中有60％是20岁～30岁生活在大中城市的年轻人。得到分类后，就可以针对这一类客户的特点展开商务活动，提供有针对性的个性化的信息服务。用于分类分析的方法有统计方法的贝叶斯分类、机器学习的判定树归纳分类、神经网络的后向传播分类、k-最临近分类、mbr、遗传法、粗糙集和模糊集等。