基于Web的数据挖掘技术

义 ， 称 为 半 结 构 化 （ｅ —ｔ ｃ ｒｄ 的数 据 。所 谓 半 结 构 化 是 如 图 １１ 例 。 图 中箭 头 的方 向 表示 访 问 被 Ｓｍｉｓｕ ｔ ｅ ） ｒ ｕ ．示 相 对 于 完全 结 构 化 的传 统 数 据 库 的 数 据 而 言 ．半 结 构 化 是 Ｗｅ 路径 从 图 中可 以确 定 最频 繁 的访 问 路径 。 ｂ
数 据 的最 大 特 点 由 于 Ｗｅ ｂ是 Ｉｔｍｅ 上 非 官 方联 结 的 资 源 集 通 过 路径 分 析 ．可 以 改进 页 面 及 网站 结 构 图 １１访 问模 式 示 例 ｎｅ ｔ ． 合 。 ｂ数 据缺 乏 结 构 和 规 范 。 目前 ． ｂ上 数 据 主 要 由静 态 的 的设 计 。 Ｗｅ Ｗｅ Ｈ ＭＬ表 达 。 据 庞 大 。 据 具 有 多 样 性 。 态 性 强 ， 成 了一 个 ２ Ｔ 数 数 动 构 ． 联 规 则挖 掘 技 术 ２关
息 。Ｗｅ ｂ挖 掘 可 以广 义 地 定 义 为从 ＷＷＷ 中 发 现 和 分析 有 用 的 图来 表 示 ， ＝ ，）其 中 Ｖ 是 页面 的集 合 ， Ｇ Ｅ， Ｅ是 页 面 之 间 的 超链 信息。 接 的集 合 ． 面 定 义 为 图 中 的顶 点 ， 页 面 页 而 １ ｂ上 的数 据特 点 ． Ｗｅ ２ 之 间 的超 链 接 定 义 为有 向边 。顶 点 Ｖ 的 入 Ｗｅ ｂ中有 大量 丰 富 的数 据 ： 本 、 片 、 音 、 文 图 声 图像 等 ， 些 边 表 示 对 页 面 Ｖ 的 引 用 ． 这 出边 表 示 Ｖ 引 用 数 据 多存 在 于 Ｈ ＭＬ超 文本 文件 中 ．没 有 严 格 的结 构 及 类 型定 了 其 它 的 页 面 ， 样 就形 成 了 网站 结 构 图 。 Ｔ 这

［ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ］Ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｄ ａ ｔ ａ ， ｔ ｈ ｅ Ｗｅ ｂ ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ｈ ａ ｓ ｍｏ ｒ ｅ ｗｉ ｄ ｅ ｌ ｙ ， ｍｏ ｒ ｅ ｄ ｉ ｖ ｅ ｒ ｓ ｅ ｆ ｏ ｒ ｍｓ ， ｍｏ ｒ ｅ ｃ ｏ ｍｐ ｌ ｅ ｘ
航的设计 、Ｗｅ ｂ站点设计 、电子商务、Ｗｅ ｂ服务设计等主要工 作变得 更加复杂。如何提高用户 的访 问频度、访 问兴趣与访 问
时 问 等 是 需 要 关 注 的 重 点 ， 因此 ，利 用 基 于 Ｗ ｅ ｂ数 据 库 的 数 据 库 挖 掘技 术 进 行 信息 的 挖 掘就 显 得 尤为 重 要 … 。
软件 ２ ０ １ ３ 年第 ３ ４ 卷 第２ 期
Ｓ Ｏ Ｆ Ｔ Ⅵ Ｒ Ｅ
国际 Ｉ Ｔ传媒品牌
基于 Ｗｅ ｂ 数据库的数据库挖掘技术探 究
曾 霖
（ 国 家广 电总局五 六一 台 ，南 昌 ３ ３ ０ ０ ４ ６ ）
摘 要：与传 统的信 息数据相 比，Ｗｅ ｂ数据库具有 内容更加广泛、形 式更加 多样、结构更加复杂等特 点。本文对 以Ｗｅ ｂ数据 库为基础 的数据库挖掘技术进行 了介绍与剖析 ，对数据库挖掘技术的技术、方法和应用领域进行 了探 讨。 关键词 ：Ｗｅ ｂ数据库 ；数据挖掘；技术应用
ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ｅ ｔ ｃ ． ． Ｔ ｈ ｅ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｆ Ｗｅ ｂ ｔ ｏ ｈｅ ｔ ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ａ ｓ ｔ ｈ ｅ ｆ ｏ ｕ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ｒｅ ａ ｉ ｎ ｒｏ ｔ ｄ ｕ ｃ ｅ ｄ ａ ｎ ｄ ｎａ ａ ｌ ｙ ｚ ｅ ｄ ， ｔ ｈ ｅ ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ｍｉ ｎ ｉ ｎ ｇ

１１ ， 基于 Ｗｅ ｂ的数据挖掘任务 Ｗｅ ｂ信息 的多样性决定了 Ｗｅ ｂ挖掘任务的多样性 。总 的来
说 Ｗｅ ｂ挖掘 的对象可分 为 内容挖 掘 、访 问信息挖掘 和结 构挖
掘。
页 ，权威 网页往往对于某一主题包含 比较多 的用户所需要 的信
息 ， 常 有 许 多 指 向 它 的链 接 。 导 网页 虽 然 不 一 定 包 含 很 多某 常 引
Ｋｅ ｙ ｗ ｏ ｄｓｏ ｅ ｖｅ ； ａ ｅ ｉ ｎ ｔｃ ｏｏ ； ｅｂ ｒ ：ｖ ｒ ｉｗ ｄ ｔ ｍ ｎｉｇ ｅ ｈｎ ｌｇ Ｗ ｙ
数据 库 中 的知识 发现 Ｋ Ｄ ｆ Ｋ ｏ ｌ ｇ Ｄｓｏｅ ｉ Ｄ ｎｗｅ ｅ ｉ ｖｒ ｎ ｄ ｃ ｙ Ｄ ｔｂｓｓ 是指从数据库中发现潜在 的有意义的未知的关 系模 ａ ａｅ １ ａ 式和趋势， 以易被理解的方式表示 出来 。 并 但传统 Ｋ Ｄ 技术所 Ｄ 涉及的主要是结 构化 的数据 库 ，而网上 资源却 没有统一 的管理 和结构 ， 数据往往是经常变动和不规则的 ， 因此人们需要 比信息 检 索层次更高 的新 技术，我们 称之为 Ｗｅ ｂ中的知识发现 Ｋ Ｗ Ｄ
Ｗ ＡＮＧ Ｊｎ ｉｇ
（ｎｅｎ ｔ ｎ ｌＣｏｌｇ ；Ｃ ｎｒｌＳ ｕｈ Ｕｎｖ ｒｉ ｆＦ ｒｓｒ ｎ ｅ ｈ ｏｏｙ，Ｈｕ ａ ｈ ｎ ｓ ａ ４１０ ４） Ｉｔｒａｉ ａ ｌ ｅ ｅ ｔ ｏ ｔ ｉｅｓ ｙ ｏ ｏｅｔ ａ ｄ Ｔ ｃ ｎ ｌｇ ｏ ｅ ａ ｔ ｙ ｎ ｎ Ｃ ａ ｇｈ ０ ０
要 的一 种 。
接 。Ｈ Ｔ （ ｙ ｅ ｉｋ ｎ ｕｅ Ｔ ｐｃ Ｓａｃ ） ＩＳ Ｈ ｐｒｎ Ｉｄ ｃｄ ｏｉ ｅｒｈ 算法就是这样一 ｌ 个通过分析权威页面和引导页面进行 Ｗｅ ｂ结构挖掘的算法 。使

法分 析数据库 中的数据 ， 包括关联分析 、 序列模式分 析 、 分类 分析 、 聚类分析等。第三层是用户界 面， 将获取的信 息以便于
据被返回 ； 三是效率 ， 即响应速度。
２２ 网络挖 掘 的 分 类 ．
根据挖 掘对象 的不 同． 可以将 网络挖掘分为网络 内容挖 掘、 网络结构挖掘和 网络使用挖掘口 。
在 被普遍使用的是搜索引擎 ， 但是搜索引擎一般只对 网上 的 静 态信息进行“ 抓取 ”对于 由用户动态生成的结果或存储 于 ，
于数据挖掘使用的数据直接来自 数据库， 数据的组织形式、 数
据规模都具有依赖数据库 的特点， 特别 是， 数据挖掘处理的数 据量非常 巨大 ， 据的完整性 、 数 一致性 和正确性都难 以保证。 所以数据挖掘算法的效率 、有效性和可扩充．都 得至关重 １ 生 要。数据挖掘与传统 的数据库查询 系统相 比也有不同 ， 首先 ， 传统的数据库查询一般都具有严格 的查询表达式 ，而数据挖 掘则不一定具有严格 的要求 ， 常常表现出即时 、 随机 的特点 ， 查询要求也不确定 ； 其次 ， 传统的数据库查询一般生成严格的 结果集 ， 但数据挖掘可能并不生成严格的结果集 ， 挖掘过程往 往基于统计规律 ，产生的规则并不要求对所有的数据项总是 成立 ， 而是只要达到一定 的事先给定 的阈值就可以了 ； 第三 ， 通常情况下 ， 数据库查询只对数据库 的原始字段进行 ， 而数据
需信息 ， 并在一定程度上揭 示信息之 间的关联 ， 为用户提供 智能的信息检索服务 ． 为当前 网络应用迫切需要解决 的问 成 题， 这也是未来数据挖掘技术 的主要任务 ． 为面向 Ｗｅ ｂ的数
据挖掘—— 网络挖 掘的研究提供 了广 阔的空间。 ２１ 网络挖掘的概念 ．

提供 个性化 的服 务 。 方面的研 究主要有两个 这 录追踪 。 一般的 访问模式追 踪通过分 析使用记
方向 ： 一般的访 问模式追踪 和个性化 的使用记 Ｓｙ ｅ Ｌａ ｇ ａ ｅ来定 义ＸＭＬ ｔ ｌ ｎ ｕ ｇ ） 的显示 格式 ， 也
数 页面 录来 了解用 户的访问模式 和倾 向， 以改进 站点 ＭＸＬ 据 以数据 岛的形式 内嵌到 ＨＴＭＬ 的组织 结构 。 个性 化 的使 用记录追 踪则倾 向 而
比面 向单个数据 仓库的数据挖 掘要复 杂的多 。
Ｗｅ 数据 挖 掘将数 据挖 掘的思 想和 方法应 用 ｂ 到Ｗｅ 上 ， ｂ 进行Ｗｅ 挖掘 ， ｂ 挖掘出有用 的信息 ，
问记录 中抽 取感兴趣 的模式 。 维网 中的每 个 型 只需 改 变数 据 模式 定 义 ， 文档 类 型定 义 万 如 服务器都保 留了访 问 Ｅ志 ， ｌ 记录 了关于用 户访 等 ， 不需 要重新 编码现有 的对 象。
问和 交互的信息 。 分析 这些数据可 以帮助理解
（） ４ 显示的 多样性 。 ＭＬ 个及 其鲜 明的 Ｘ 一 特点是把 数据的显示 格式和数 据的表示分 离。
在ＸＭＬ中， 以用 格式文件￣ ＸＳ （ ｘｅ ｓ ｌ 可 Ｈ Ｌ Ｅ ｔｎ ｉ ｅ ｂ 可 以利 用 ＨＴＭ Ｌ作为 ＸＭＬ的 显 示 模 板 ， 把
导航 工具帮助 他们管理 网络 上的信息 。
中。 这种 分离可以实现 不同数据 源数据的 无缝
于分析 单个用 户的偏好 ， 目的是根据 不 同用 其
连接 。 各种数据可 以在 中间件上转换为Ｘ 格 ＭＬ
式， 使得数据 很容 易地进行 在线 交换和传输 。 （） 度级 的更新 。 ＭＬ ５粒 Ｘ 可以 实现 当数据 的一部 分改 变时 ， 或者需 新增 数据时 ， 必重 不 新 发送全部数据 ， 仅需要将 改变的 内容 或新增

业
基于 ｗ ｂ日 ｅ 志的数据挖掘技术在电子商务网站中的应用
李 孟 （ 北 工程 大 学信 息 与 电 气 工程 学院 ， 北 邯 郸 ０ ６０ ） 河 河 ５ ０ ０
摘 要 ： 电子 商务平 台运营过程 中， 在 形成 了海量 ｗｅ ｂ日志信 息， 如何运 用数据挖掘技术挖掘有价值的信息用于电子 商务 平台的优 化 对 商 家 来说 非 常 重要 ， 里将 进 行 研 究 Ｏ 这 ｆ 关键 词 ： 子 商务 ； 据 挖 掘 ； ｂ 日志 电 数 ｗｅ １ 电子商务及 电子商务网站 电子商务 就是在 网上开展 的商务活动 ， 它作为一种新兴 的 经济形式随着 网络 的普及而得 以迅速发展 。电子商务网站则是 电子商务进行网上交易活动的重要载体 ， 电子商务 网站按交易 模式可 以分为 Ｂ Ｃ，２ ， ２ ２ Ｂ Ｂ Ｃ Ｃ及 Ｂ Ｇ等几种类别 ， ２ 而无论哪种 类别的电子商务 网站 ，在网上运营过程 中都会 形成 大量 的 ｗ ｂ ｅ 日志信 息 ， 而对这些 ｗ ｂ日志信息进行数据挖 掘 ， 对商家运 ｅ 将 营好电子商务 网站起着非常重要 的作用。 ２ 数 据 挖 掘 及 ｗｅ ｂ日志挖 掘
一
１ １ ９１ ０２ 一 一 『ｌ ａ ／０ １ ： ：１ ５ ． ． ．７ ９ ９ ０ ／ ｎ １ ： ０ ２ Ｊ ２ １ ３ ７
—
００］ ６ ０
“ Ｅ ／ｂｃｓ ｂｃｌ ｅｔ ｔ ｌ Ｈ Ｆ／．” Ｇ Ｔ－ ａｕｌ ／ ｓ ｅ． ｍ Ｔ Ｐ１ ａ ｅｈ ｈ ０
２０ ２２ ０ １ ０ ７
一
作者简介 ： 李孟， 河北工程 大学信息与电气工程学院计算机技 术专业研 究生。
信 息 产 业
・０ ・ １５
接应用 ， 改变 网站的布局及进行个性化设计等 。 ３２ｗ ｂ日志记 录的内容分析 ． ｅ ｗ ｂ日志记录共包含 ７个字段 ，下面我们通 过 ｅ 个典型的 ｗ ｂ日志记 录对其进行说明。 ｅ 例如一个 典型的 ｗ ｂ日志记录如下 ： ｅ

【 关键￣ ］ ｗｅ ｂ ； 数据挖掘 ； ｑ ＇ － ｇ 息服务 ； 常用技 术
依此类推 通过分析和学习 电子商务识别该数据可能会延长树模型的 基础 上 ．用户标 识才能浏览 ．所以 。根据用户访问的 ｗｅ ｂ日志挖掘 Ｗｅ ｂ日志挖掘用户兴趣 的关联规则 ．多个用户访 问网页速度 加快 ． 存 储相关 的知识 ． 以此为基础预测用 户的行为 。 １ ． ２ ． ３ Ｗｅ ｂ结构挖掘 Ｗｅ ｂ空间的 网络结构包括一个 Ｗｅ ｂ网页的结 构之间的互 相联系 的整体 ． 可以用在 Ｈ Ｔ Ｍ Ｌ ． Ｘ Ｍ Ｌ 或 图形 的树结构来表示 ， 并 在 目录结构 １ ． 定 义 与 分 类 中的文件如 Ｕ Ｒ Ｌ 等结构来表示 Ｗｅ ｂ 结构 挖掘 的 目的是要找到网页 １ ． １ Ｗｅ ｂ数据挖掘概述 在这个分类和聚类的基础上 ． 找到权威 的页面 ， 这 数据挖掘就是从大量的 、 不完 全而又随机的实际应用数据信息 中 之间的结构 和结构 ｂ 数据挖掘的速度 发现潜在而又有规律性的 、 人们事先并不 知道但又是存在潜在价值知 种方法可 以提高搜索引擎 Ｗｅ ２ ． Ｗｅ ｂ数 据 挖 掘 技 术 的 常 用技 术 识 的探索过程 。 Ｗｅ ｂ 数据挖掘最初 就是数据挖掘 。 一般情 况下指 的是 将数据挖掘技术应用到 Ｗｅ ｂ上 。 具体定义为 ： Ｗｅ ｂ数据挖 掘通 常简称 用 于该领域数据挖掘技术主要有分类 聚类技术 ． 关联规则序列模 为 Ｗｅ ｂ 挖 掘 ．它是一项 涉及 多个领域 的综合 技术 ．其 内容包 括有 式技术 和 Ｗｅ ｂ 技术的路径分析技术 。 Ｗｅ ｂ 、 数据挖掘 、 信 息学、 计算机语言学等 。 Ｗｅ ｂ 挖掘的理论性定义 ： 指 ２ ． １ 数据分类聚类 的数据挖掘技术 数据分类技术可以通过挖掘数据 中的某些共 同特性从而对数据项 从大量 Ｗｅ ｂ 文档结构和使用 的集合 ｓ中发 现隐含的 、 未知 的、 有潜在 应用价值 的模式 如果将 ｓ 看作输入 ． Ｐ 看作输 出。 那么 Ｗｅ ｂ 挖掘 的过 进行分类 在 Ｗｅ ｂ 数据挖掘中． 分类技术可 以捕获 Ｗ ｅ ｂ 访问用户 的个 程就是从输入到输 出的一个映射 ： Ｓ —Ｐ 。 人信 息或通过公共访 问方式来访 问服务器上的文件从而了解用户 的特 Ｗｅ ｂ 挖掘 的实质就是从 Ｗｅ ｂ文档 以及 Ｗｅ ｂ 活动 中寻找 出 出用 点。常用 的数据分类方法有 ： 决策类 ， 贝叶斯分类 ， 贝叶斯网络 ， 神经网 基于案例 的推理。 遗传算法， 粗糙集 ， 模糊集方法。群集是一组物理的 户有用 的、 有潜在价值模型的隐藏信息。Ｗｅ ｂ 挖掘在很多地方都可 以 络． 发挥作用 ． 比如对搜索引擎的结构进行挖 掘 、 对权威页面进行鉴定 、 对 或抽象的 对象组成的多个对象的类似的的过程 聚类分析技术可用于在 Ｗｅ ｂ 文档 归纳 分类 、 挖掘 Ｗｅ ｂ日志 、 智 能查 询 、 建 立 Ｗｅ ｂ 元数 据仓 网络上的文件进行分类 ． 归纳总结 已发现的信息。 作为一个独立的工具 来获得数据分布 的情况． 可以使用聚类分析 ， 观察每个群集 的特陛。 重点 库、 分析远程教育过程 的信息等方面。 １ ． ２ Ｗｅ ｂ挖掘数据分类 在一些簇 Ｅ 作进一步的分析 。常用 的聚类算法可以大致分为几类 ： 划分 层次方法 ， 基于密度的方法 ， 基于网格的方法和基于模型的方法。 Ｗｅ ｂ 上的信息资源主要可 以分 为三大类 ：一是 Ｗｅ ｂ网页上 的内 方法。 容． 包括各种文本信 息以及各类媒体信息及各种图片 ： 二是 Ｗｅ ｂ 服务器 ２ － ２ 关联规则挖掘技术 上的用户群体登陆访 问网站的 日 志数据以 及记录： 三是 Ｗｅ ｂ 网页中存在 关联规则挖掘技 术主要用于从用 户访 问序列数据库 的序 列项 中 的超链接方式之间相互引用的数据 据此可以将这三类不 同的信息 Ｗｅ ｂ 挖掘出的相关规则 。 在 Ｗｅ ｂ 挖掘 ， 关联规则挖掘是挖掘 出用户 的访问 数据挖掘分 为 Ｗｅ ｂ内容挖掘、 Ｗｅ ｂ日 志数据挖掘与 Ｗ ｅ ｂ 结构挖掘 。 会话期间从服务 器访 问这些页 面之 间的链接的页面或文 件之间可能 不存在直接引用关 系。最常用 的算法是 Ａ ｐ ｒ ｉ ｏ ｒ 算法 ， 挖掘 出最大频繁 １ ． ２ ． １ Ｗｅ ｂ内容挖掘 从 Ｗｅ ｂ 上的文件 内容及其描述 的信 息资源 中获取潜在 的、有价 项 目集参观这个 集挖掘关联规则 的事务数据库用户访 问模式 。 值 的知识 及模式的过程 ． 即是 Ｗｅ ｂ内容挖掘 ． 在这一过程 中也 可以对 ２ － ３时间序列模式挖掘技术 Ｗｅ ｂ组织结构和链 接关 系进行挖 掘． 通过人为 的链接结构并分析 整理 时间序列模式数 据挖掘是挖掘 出交易集之间 的时 间序列模 型 。 从而获取有价值 的知识 。Ｗｅ ｂ内容挖掘 的主要组成部分有两种 ． 即页 Ｗｅ ｂ服务器 中的 日志 中． 用户的访 问作为一个单元在一段时间 内。得 这些序列反映用户 面 的分类和 聚类 根据不 同页面 的不同特征 ． 将其划分为事先建 立起 到交易确认的净 化和事件数据后 中断 的时间序列 ． 来 的不同的类称为 Ｗｅ ｂ 页 面的分类 。文本 、 图像 、 音频 、 视频 、 元 数据 行为有助于帮助企业证 明其产 品在生命周期阶段 等形式 的数据是 Ｗｅ ｂ 上 的基 本信 息内容 ．根据形式 的不 同可 以把这 ２ ． ４路 径 分 析技 术 些信息 内容简单地分为 Ｗｅ ｂ 文本信息 和 Ｗｅ ｂ 多媒体信 息 根 据需要 路径分析技术对 Ｗｅ ｂ 数据进行挖掘时。 最常用 的是图。因为 Ｗｅ ｂ 可 处理 的 Ｗｅ ｂ 信 息对象 ． Ｗｅ ｂ 内容挖掘 又可分为两 个部分 ．即是 Ｗｅ ｂ 以用来表示—个有向图 Ｇ ＝ （ ｖ 。 Ｅ ） ， Ｖ是网页的集合 ， Ｅ是集的页面之 间的 文本挖掘和 Ｗｅ ｂ多媒 体挖掘 超链接。页面抽象为图中的顶点 ， 而页面之间的超链接抽象为图中的有 １ ． ２ ． ２ Ｗｅ ｂ 日志 数 据 挖 掘 向边 顶点 ｖ的人边表示对 ｖ的引用 ． 出边表示 ｖ引用了其它的页面。 从用户存取模 式 中获取有价值 的信息 ．对 Ｗｅ ｂ上 日志数据 及相 ３ ． Ｗｅ ｂ数 据挖 掘 技 术 主 要 应 用 关数据 的挖掘来发现用户访问 Ｗｅ ｂ页面的模式 即是 Ｗｅ ｂ日志的数据 ３ ． １在电子商务 中的应用 挖掘 ． 又称为 Ｗｅ ｂ使用挖 掘。Ｗｅ ｂ挖掘其他两个挖掘的对象是网上的 电子商务与 Ｗｅ ｂ数据挖掘技术在电子商务 中的 Ｗｅ ｂ 数据挖掘可 原始数据 ． ｗｅ ｂ日志 挖 掘是 用 户 和 网 络之 间 的互 动 过 程 ．是 从 二 手 数 以开发产品的营销策略 ． 企业 可以通过优化可用 的商 品促销活动 和销 据 的摘录 ， 代 理 日志 ， 浏览器访 问 Ｗｅ ｂ服务器 的访问 日志 ， 记 录用户 售进行挖掘 ． 获得客户访 问规则 来确定生命周期 的消费支出 ， 根据市 的个人档案 ． 登记信息 ． 用户的需求登信息 中寻找有用 的信 息资源 ． 并 场变化 ， 对 于不 同的产品制定相应 的营销 策略。可以 （ 下转第 ３ ４页）

～
Ｃ ｉ ａＮｅ ｅ ｈ ｏｏ ｉｓａｎ ｒ ｄ ｃｓ ｈｎ ｗ Ｔ ｃ ｎ ｌｇｅ ｄ ｏ ｔ ａ ｕ
￣ｕ’ Ｐ
信 息 技 术
●— ■圃 ■ 瞄回团图 蓄 嵋 ｕ ■ 阻
Ｗｅ 数 据 挖掘 的技术研 究 ｂ
苏 晶
（ 山东理 工大学 计算机科学与技 术学院 ， 山东 淄博 ２ ５ ４ ） ５ ０ ９
３ Ｗｅ ． ｂ日志挖 掘 ３
（Ｙ＇ 分类包括的挖掘技术将找出定义了一 １ ￣： Ａ 个项或事件是否属于数据中某特定子集或类 的规 则。 该类技术是最广泛应用于各类业务问题的一类 挖掘技术 。分类算法最知名的是决策树方法 ， 此外 还有神经元网络、 ａｅｉｎ Ｂ ｙｓ 分类等 。 ａ （ 聚类 ： ２ ） 聚类是将数据集划分为多个类 ， 使得 在同一类中的数据之间有较 高的相似度 ， 而在不 同类中的数据差别尽可能大。在聚类技术 中， 没有 预先定义好的类别和训练样本存在， 所有记录都根 据彼 此相 似程 度来加 以归类 。主要 算法有 ｋ —
关 键 词 ： ｂ 内客 挖 掘 ； ｂ结 构挖 掘 ； ｂ使 用 记 录 挖 掘 ； 据挖 掘 Ｗｅ Ｗｅ Ｗｅ 数 １ 言 引
Ｉｔｒｅ上包括 了大量的 Ｗｅ 站点 ， 且这些 ｎｅｎｔ ｂ 并 站点的数 目呈指数级增长。虽然 Ｉｔｒｅ上有海量 ｎｅ ｔ ｎ 的数据 ， 由于 ｗ如 是无结构的、动态的， 但 并且 Ｗｅ ｂ页面的复杂度远远超过了文本文档 以及数据 库数据 ， 因此人们想要找到自己感兴趣的信息犹如 大海捞针一般。而 Ｗｅ ｂ面对 的是—个广泛的形形 色色的用户群体 ， 各个用户可以有不同的背景 、 兴 趣和使用 目的，对于任何单个用户来说 ， ｂ 的 Ｗｅ 上 信息只有很少一部分是相关 的 或有用的， 而其余信 息对用户来说则是不感兴趣 的， 而且会淹没所希望