ｗｅｂ日志挖掘与电子商务

《ｗｅｂ日志挖掘与电子商务》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Web口志挖掘与电了商务［摘要］在电子商务中，根据客八的访问数据挖掘出有价值的信息，进而划分客八群体和发现潜在的客户，从而提升业绩，对电子商务网站有重要的意义。Web日志挖掘是数据挖掘在Web页血上的应用，文章对WebII志挖掘进行了介绍，给出了Web日志挖掘的步骤和方法,对WebH子挖掘工具进行了分析，并介绍了其在电子商务网站中的应用。［关键词］电子商务数据挖掘Web日，忐挖掘随着计算机技术、通信技术和网络技术的飞速发展，电了商务的发展也冇了越来越好的技术平台，许多公司都建立了口己的网站，这是公司的门户和电子商务进行的所在。Web数据挖掘是当前最前沿的研究领域，是

2、把Internet和数据挖掘结合起來的一种新兴技术。Web数据挖掘是知识发现的特定步骤，也是最核心的部分。WebH志挖掘是Web挖掘的重要内容，其技术和方法在电子商务中有着巨大的应用空间和应用价值。如发现有价值的信息、寻找潜在客户和提供个性化服务等。二、Web挖掘及WebH志挖掘Web挖掘是将数据挖掘的思想和方法应用到Web页而内容、页而之间的结构、用户访问信息等各种血b数据中，从中抽取隐含的、以前未知的、具冇潜在应用价值的信息。根据挖掘的对彖不同，血b挖掘可分为Web内容挖掘、Web结构挖掘和Web日‘忐挖掘。1.Web内容挖掘Web内容挖掘主要从Web文档的内容

3、中抽取出有用的知识。由于Web文档的绝大部分内容是以文木的形式存在，所以Web内容挖掘主要针对的是Web文档的文木部分，文木挖掘主要包括对Wob文档文本的总结、分类、聚类、关联分析等。除了文本挖掘以外，Web内容挖掘还包括Web.l:的声音、图形、图像信息的挖掘、数据库中的数据挖掘和信息获収等。2.Web结构挖掘Web结构挖掘主要通过Web页的纽织结构和超链接关系以及Web文档自身的结构信息（如Title,Heading,Anchor标记等）推导出Web内容以外的知识,可分为超链挖掘、内部结构挖掘和URL挖掘。3.Web口志挖掘WebH志挖掘即Web使用记录挖掘，是

4、从用户的访问记录中抽収具有意义的模式。其数据源有服务器的H志、用户注册数据、跟踪文件的数据记录、用户访问期间的事务、川户查询、书签数据和鼠标移动点击的信息。WebH志记录挖掘应用的技术主要有路径分析、关联规则分析、序列模式分析、聚类分析、统计分析等。Wbb使用记录挖掘可以发现潜在的用户、改进电子商务网站的建设、增加个性化服务等。三、Web日志挖掘的步骤WebH志挖掘步骤主要分为源数据收集、数据预处理、模式发现、模式分析4个阶段。1.源数据收集源数据收集主要是Web口志文件的收集。对于一个电了商务网站來说，经过一段时间后,用户会在网站上积累大量有用的信息（如访问H志、

5、注册信息、需求信息、定单信息、交流信息等），采用Web口志挖掘技术就可以充分利用这些冇用信息，帮助电了商务网站的建设和发展。WebFl志文件主要包括以下3种类型：服务器F1志文件、错误口志文件和Cookieso1.数据预处理Web日志挖掘首先要对日志屮的原始数据进行预处理，因为从用户的访问日志屮得到的原始日志记录并不适于挖掘，必须进行适当的处理。因此，需要通过H志清理，去除无用的记录。预处理过程是保证血btl志挖掘质量的关键步骤，下面我们来阐述数据预处理的过程。（1）数据净化。指删除Web服务器Fl志中与挖掘算法无关的数据。大多数情况，只有H志小HTML文件与用户会

6、话相关，所以通过检查URL的后缀删除认为不相关的数据。（2）识别用户。由于木地缓存、代理服务器和防火墙的存在，使得识别用户的任务变得很复杂，可以使用一些启发式规则帮助识别用户。（3）识别用户会话。用户会话是指用户对服务器的一次有效访问，通过其连续请求的页面，我们可以获得他在网站中的访问行为和浏览兴趣。（4）识别片段。在识别用户会话过程屮的另一个问题是确定访问H志屮是否有重要的请求没有被记录。如來当询请求页与用八上一次请求页之间没有超文本链接，那么用户很可能使用了浏览器上的“BACK”按钮调用缓存在木机中的页面。检查引用口志确定当前请求来自哪一页，如果在用户的历史访问

7、记录上有多个页曲都包含与当前请求页的链接，则将请求时间最接近当前请求页的页面作为当前请求的來源。2.模式发现模式发现是运用各种算法和技术对预处理示的数据进行挖掘，生成模式。这些技术包扌舌人工智能、数据挖掘、统计理论、信息论等多领域的成熟技术。可以运用数据挖掘中的常用技术如路径分析，关联规则、序列模式以及分类聚类等。（1）路径分析。它可以被用于判定在一个站点中最频繁访问的路径，还有一些其它的有关路径的信息通过路径分析可以得出。利用这些信息就町以改进站点的设计结构。（2）关联规则。使用关联规则发现方法，可以从Web的访问事务屮找到相关性。利用这些相关性，可以更好的组