基于数据中心模式多网站数据挖掘技术探究

《基于数据中心模式多网站数据挖掘技术探究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于数据中心模式多网站数据挖掘技术探究　　摘要：随着互联网的快速发展，Web上的数据飞速增长。面对海量的数据，如何从中找出有价值的信息，运用到商业决策的制定中，已经成为越来越多的人关心的课题。该文主要介绍了web数据挖掘的概念和分类，论述了在电子商务中web挖掘的过程和方法，揭示了数据挖掘在电子商务中广泛的应用前景。论文实现了一个面向多电子商务平台的数据挖掘系统，系统面对多电子商务平台，实现了统一的数据收集和预处理过程，对用户的访问日志进行分析，从网站、商品类别、商品等角度进行数据分析，并又对用户的访问数据进行挖掘，从这些数据中发现潜在的规律，把握用户动态

2、，帮助企业制定商业决策，使电子商务更具个性化和针对性。关键词：数据挖掘；Web挖掘；电子商务系统；用户兴趣分析中图分类号：TP311文献标识码：A文章编号：1009-3044（2013）31-6948-038现今，随着网络技术和数据库技术的迅猛发展，有效推动了商务活动由传统活动向电子商务变革。随着商务活动活动的电子化、数字化和网络化，如何从这些大量的数据中找出有利于商业运作、提高竞争力和为访问客户提供更多更优质的服务的信息，成为电子商务成败的关键因素，越来越受到电子商务经营者的高度关注，这也对计算机数据技术提出了新的要求。数据挖掘技术应运而生，它是一种能够

3、从网上获取大量数据，并能有效地提取有用信息供企业决策者分析参考，以便科学合理制定和调整营销策略，为客户提供动态、个性化、高效率服务的全新技术。1Web数据挖掘技术及其在电子商务中的应用Web数据挖掘[1]，即Web挖掘，它是指从Web资源上抽取信息或知识的过程，它将传统的数据挖掘思想和方法应用于Web之上，从Web文档和Web活动中抽取感兴趣的、潜在的、有用的模式和隐藏信息。它以从Web上挖掘有用知识为目标，以数据挖掘、文本挖掘、多媒体挖掘为基础，并综合运用计算机网络、数据库与数据仓储、人工智能、信息检索、可视化、自然语言理解等技术，将传统的数据挖掘技术与

4、Web结合起来。建立在对大量的网络数据进行分析的基础上，采Web数据挖掘用相应的数据挖掘算法，在具体的应用模型上进行数据的提取、数据筛选、数据转换、数据挖掘和模式分析，最后做出归纳性的推理、预测客户的个性化行为以及用户习惯，从而帮助进行对网站以及网页的改进。8Web挖掘是数据挖掘技术在Web环境下的应用，是集Web技术、数据挖掘、计算机技术、信息科学等多个领域的一项新技术[2]。目前，随着电子商务网站的兴起，经过分析一定时期内站点上的用户的访问信息，发现该商务站点上潜在的客户群体、相关页面、聚类客户等数据信息，对各种商业领域具有重要的实用价值，因而，电子商

5、务必将是未来Web数据挖掘的主攻方向。Web数据挖掘技术在电子商务中的应用主要包含以下几方面：（1）寻找潜在客户；（2）留住访问客户；（3）提供营销策略参考；（4）完善商务网站设计。2Web数据挖掘的过程和方法根据Web数据挖掘的方法，Web数据挖掘的一般流程[3]分为：数据收集（采集）、数据预处理、模式发现、模式分析四个步骤。Step1：数据收集（采集），从客户端、服务端或者是代理网站端获取数据。数据收集的对象以文本形式存在的，数据是粗糙、未经处理的，比如Web日志；Step2：数据预处理，通过数据清洗，数据格式化对收集海量数据中的有用数据进行筛选，供下

6、一步数据挖掘和分析；Step3：模式发现，对预处理后的数据进行分析和挖掘，发现数据中存在的模式。Step4：模式分析，针对发现的模式进行分析，提取其中有用的信息。得出的结果可以应用到制定商业决策或优化网站结构中。3数据收集和预处理模式的改进83.1传统的数据收集和预处理模式传统的数据收集模式，获取的日志格式取决于各网站所使用的服务器日志格式，或者用户自定义的日志格式。这就导致获取的多个Web服务器日志文件的异构性，即记录的格式不同，内容排版也不同，无形中增加了数据收集的难度。传统的数据预处理模式也存在相同的问题。由于数据的来源网站可能是多个，不同网站的网站

7、路径结构都不一样，这导致大多数数据挖掘系统预处理后的信息只局限于来源url，访问url，访问的文档列表，流量等信息，无法得到定制化的信息，如用户点击了哪个商品类别等。3.2基于数据中心的数据收集和预处理模式数据中心[4]是集数据收集、预处理、分析为一体的统一式数据管理中心系统，客户端只需要调用统一的数据中心接口，即可传递必需的数据，由数据中心统一的记录到日志文件中。因为数据都是有数据中心服务器的日志系统进行记录的，这样做就屏蔽了传统数据收集模式中，由于各个网站的日志记录格式不同，需要区别对待区别处理的问题。在数据中心，将所有的网站的路径结构都抽象成了三层的

8、目录结构，即应用系统层（例如淘宝）、模块层（例如数码这个类别）和资