当前位置：文档之家 › Web数据在电子商务技术中的使用分析

Web数据在电子商务技术中的使用分析

  • 格式：pdf
  • 大小：27.47 KB
  • 文档页数：2

下载文档原格式

  / 2

合集下载

电子商务管理与Web数据挖掘技术的契合探析

电子商务管理与Web数据挖掘技术的契合探析
据 ， 行 二 义 性 分 析 ， 除 不 一致 性 。ｂ 挖 掘 综合 器 。它 是 一 进 消 个 挖 掘 驱 动 引擎 ， 据挖 掘 要 求 和 挖 掘 方 法 的知 识 库 到 Ｗｅ 根 ｂ
现 蕴 涵 的 、 知 的 、 潜 在 应 用 价 值 的 、 平 凡 的模 式 。如 何 未 有 非
掘、 ｂ Ｗｅ 结构挖掘和 Ｗｅ ｂ使 用记 录的挖掘 ， 所处理 的对象 其 包括静态 网 页、 ｂ数 据 库 、 ｂ结 构 、 户使 用 记录 等信 Ｗｅ Ｗｅ 用
息［ 。Ｗｅ 据 挖 掘 的 主要 方 法 包 括 访 问 路 径 分 析 、 联 规 ｂ数 关
ห้องสมุดไป่ตู้
则发现 、 序列模式分析、 分类规则 发现 、 聚类分析等。 Ｗｅ 数据挖掘是辅 助电子商务 管理的综合分 析工具 ， ｂ 运 行在 电子商务 网站 的用 户数据库 和数 据仓库之 上， 包括 以下 功能模块 】ａ 过 滤 器。用来 从 Ｗｅ ： ｂ数据 库 中抽 取相关 数
析 人员 交 互 的 友 好 界 面 。如 果 本 次 的 挖 掘 结果 不 能 满 足 分 析 人 员 的需 要 ， 可 以 再 次 从 这 里 输 人 挖 掘 需 求 。ｆ方 法 驱 动 就
展 中 的地 位 日趋 重 要 ， 业 开 展 电 子 商 务 已 是 大 势 所 趋 。 不 企
技 术 和 计划 、 织 、 导 、 组 领 控制 等 基 本 功 能 ， 对 企 业 电 子 商 务 针
这对于互联 网上的大量的异构 的文本信息 、 日志信息 、 超链 接 等不太适用。因此 ， 在传统 的数据挖掘 的基 础上产生 了一 个
新 的技 术 —— ｗｅ 数 据 挖 掘 。Ｗ ｅ 掘 可 分 为 Ｗｅ 容 挖 ｂ ｂ挖 ｂ内

电子商务中的WEB挖掘技术应用研究汪华茂

电子商务中的WEB挖掘技术应用研究汪华茂

第9卷第10期2012年10月Journal of Hubei University of Economics(Humanities and Social Sciences)湖北经济学院学报（人文社会科学版）Oct.2012Vol.9No.101．引言电子商务作为一种新兴的事物，随着Internet 的迅速发展和应用的深入，电子商务的应用也相应的迅速崛起起来，这使得商家对基于Internet 的Web 数据检索、挖掘等的需求不断提高。

传统的Web 站点，通常由HTML 页面组成，使得这种Web 文档的结构性有限，要想利用分析工具准确、高效地进行数据挖掘和分析还比较困难。

XML 的出现，则对Web 数据挖掘带来了新的挈机。

利用XML 作为元标记语言的特性，用户只要在XML 的文档类型定义中定义一系列有意义的标记，就可实现对Web 上大部分非结构化文档的内容进行有效的总结、分类、组织，从而实现与关系型数据库中的属性建立对应关系，Web 上的数据挖掘也就变得可行了。

2．基于XML 的Web 数据挖掘技术2.1Web 数据挖掘技术概述Web 数据挖掘就是从Internet 上庞大、复杂、异构的数据中发现隐含的规律性的东西或者是特定的精确的数据。

Web挖掘则可以对大量的文档、数据重新进行整理、分析和组织，可以按照用户特定的要求给出结果，比单纯的信息检索更进一步，是未来技术发展的趋势。

WEB 挖掘按照处理对象的不同可分为：内容挖掘、结构挖掘和使用记录挖掘。

内容挖掘是从Web 文档的内容中抽取信息特征，这些文档包括文本、HTML 、图象、音频、视频等形式；结构挖掘是从Web 文档的组织结构和链接关系中推导知识，这些结构不仅仅局限于文档之间的超连接，还包括文档内部的结构、文档URL 中的目录路径结构等；使用记录挖掘则是从Web 的访问记录中抽取感兴趣的模式。

2.2XML 优势XML 出色之处在于它不再是一个单纯的标记语言，而是一个定义语言。

Web文本数据挖掘技术及其在电子商务中的应用

Web文本数据挖掘技术及其在电子商务中的应用

析、 文本 分 类 、 文本聚 类 等方 面对 Ｗｅ 本 数据 挖 掘 技 术 在 电子 商务 中的应 用 作 了探 讨 ， 略述 了 Ｗｅ ｂ文 并 ｂ文 本 数据 挖掘 技术 的应 用 现状及 其发 展 趋势 。
关键 词 ： 数据 挖 掘 ； ｂ数据 挖 掘 ； ｂ文本 数据 挖掘 Ｗｅ Ｗｅ 中 图分类 号 ：Ｐ３ １ １ Ｔ １．３ 文献 标识 码 ： Ａ
从 技 术角 度来 看 ， 据 挖 掘 （ ａ ｉｉ ， Ｍ） 数 ｄｔ ｍ ｌｎ Ｄ ａ ｌｇ 是 从 大量 的 、 不完全 的 、 有噪声 的 、 模糊 的 、 随机 的实
际应用 数据 中 ， 提取 隐含 在其 中 的 、 人们 事先 不 知道 的但又 是 潜 在 有用 的 信 息 和知 识 的 过 程 … 。 该 定 义 主要 包 括 以 下 几 层 含 义 ： ） 据 源 必 须 是 真 实 １数 的 、 量 的 、 噪声 的 ； ） 大 含 ２ 发现 的是 用 户感 兴 趣 的 知
些 数据 的微观 特性 发 现 有 普遍 性 的 、 高层 次 概 念 更
潜 在价 值 的信 息 。结 合 着 数 据 库 技术 的快 速 发 展 ，
数 据挖 掘 技 术诞 生 了 。 由于 Ｗｅ ｂ上 面 的 信 息 绝 大 多数是 非 结构化 的或 者 半 结构 化 的 ， 采用 传 统 的数
要 的标 志 。但是 ， 电子商 务给我 们 带来 方便 、 在 快捷
的 同时 ， 它也 给我 们 带 来 了一 个 很 大 的 困惑 。 那 就
是如何 从 大量 的 、 纷杂 的 ｗ ｂ信息 中找 出有用 的 、 ｅ 有
１ 广义 知 识挖 掘 广 义 知识 是 指 描 述 类 别 特 征 ） 的概括 性 知识 。该模 式挖 掘 的 主要 目的就是 根 据这

web数据挖掘在电子商务中的应用

web数据挖掘在电子商务中的应用
３１ 径 分析 ．路 路 径 分 析 被 应 用 于 判 定 在 一 个 ｗ ｂ站 点 中被 最 频 繁 访 问 的 路 径 。 ｅ ２２１电子 商 务 中 ｗ ｂ数 据 挖 掘 的数 据 源 ．． ｅ 在 ｗ ｂ上 可 以用 来 作 为 数 据 挖 掘 分 析 的数 据 量 比较 大 。 且 类 型 利 用 这 些 被 最 频 繁 访 问 的 路 径 就 可 以 更 精 细 地 来 改 进 站 点 的 设 计 结 ｅ 而 众 多 ， 结 起 来 有 以 下 几 种 类 型 的 数 据 可 用 于 ｗ ｂ数 据 挖 掘 技 术 产 生 构 。 总 ｅ 各种知识模式。 ３２关 联 规 则 挖 掘技 术 ． ２２１１服 务 器 数 据 ．．． 该 技 术 主 要 用 于 从 用 户 访 问 序 列 数 据 库 的序 列 项 中挖 掘 出 相 关 客 户 访 问 站 点 时 会 在 ｗ ｂ服 务 器 上 留下 相 应 的 １ 数 据 ， 些 １ ｅ ３志 这 ３ 的 规 则 ， ｗ ｂ数 据 挖 掘 中 ， 联 规 则 挖 掘 就 是 要 在 挖 掘 出用 户 在 一 在 ｅ 关
２ ｗ ｂ数 据 挖 掘 ．ｅ
２１ｗ ｂ数挖 掘 ．． ｅ ｗｅ ｂ使 用模 式 挖 掘 （ 称 １志 挖 掘 ）是 对 用 户访 问 ｗ ｂ服 务 器 时 又 ３ ， ｅ
ｗ ｂ数 据 挖 掘 是 从 数 据 挖 掘 的基 础 上 发 展 起 来 的 ， 据 挖 掘 的 对 留 下 的 访 问 记 录 进 行 挖 掘 ，从 中得 到 用 户 的 访 问 和 访 问 兴 趣 的过 程 。 ｅ 数 象 不 仅 是 数 据 库 ， 可 以是 任 何 组 织 在 一 起 的数 据 集 合 ， ｗ ｗ信 息 主 要 用 来 了解 用 户 的 网络 行 为 数 据 所 具 有 的 意义 。 还 如 ｗ 资 源。ｗ ｂ数据挖掘是数 据挖掘技术 的一个 重要应用 ， ｅ 是在大 量训练 ３ 电子 商 务 中 的数 据 挖 掘 技 术 ． 样 本 的基 础 上 ， 网络 资 源 中进 行 有 目的信 息 提 取 。 从 ２２ｗ ｂ数 据 挖 掘 在 电子 商 务 中 的应 用 ． ｅ 在 电 子 商 务 中 目前 主 要 使 用 以 下 几 种 数 据 挖 掘 技 术 ：

数据挖掘在电子商务网站中的应用研究

数据挖掘在电子商务网站中的应用研究

数据挖掘在电子商务网站中的应用研究摘要：通过构建网上书城销售系统，运用Web数据挖掘技术对电子商务网站进行分析，使用K均值聚类分析方法对客户的购买数量、购买书籍的类型、购买书籍时的浏览深度及客户的回访率进行分析研究。

采用SPSS软件进行验证，实验结果表明，使用Web数据挖掘技术能够确定网站的目标客户群，以此为依据完善和优化网站结构。

关键词：电子商务；电子商务网站；Web数据挖掘；聚类分析0引言随着Internet 的日益发展和普及，电子商务成为商务活动中最具活力的行业。

电子商务的基本交易平台是电子商务网站，伴随其规模的扩大和功能的增加，使其结构趋于复杂，网站的系统性能成为影响其为客户提供优质服务的瓶颈，如何提高网站系统的性能、优化网站系统的结构并为客户提供更好的个性化服务，成为商务网站建设面临研究的问题，直接影响到商务网站的效益。

因此，如何设计一个好的电子商务网站，以吸引住用户，是电子商务活动能否成功的关键。

通过使用Web数据挖掘技术对网站的销售信息进行合理的挖掘，可发现其形成和存在的规率，以及用户访问的规律，从而合理的配置资源，满足用户的需求。

本文构建了一个网上书城销售系统，通过Web使用模式的挖掘，对网络客户的信息需求和上网习惯的定量研究，可以优化网络站点的结构或个性化服务提供参考[1]，从而使客户更快地找到所需要信息。

1Web数据挖掘技术Web数据挖掘（Web Data Mining），是数据挖掘技术在Web环境下的应用，是从大量的Web文档集合和在站点内进行浏览的相关数据中发现潜在的、有用的模式或信息。

它是一项综合技术，涉及到Internet技术、人工智能、计算机语言学、信息学、统计学等多个领域[2，3]。

Web数据挖掘是一个具有挑战性的课题，需要实现对Web 存取模式、Web结构和规则，及动态Web内容的查找。

Web挖掘也分成三类[24]：Web内容挖掘、Web结构挖掘和Web使用模式挖掘。

Web数据挖掘技术在商务中的应用

Web数据挖掘技术在商务中的应用
五 、结束 语
随着计 算 机技 术 的迅发 展和 Ｉ ｔｒ ｅ ｎ ｅｎ ｔ资源 的快速 增长 ， 别 特 是 电子商 务 的兴起 ，Ｗ ｂ 挖掘 成为 二十 一世 纪 的热 门研 究领 域 之 ｅ 其 研 究具 有更 加广 阔的应 用前 景和 巨大 的现实 意义 。就 目前 国 内的 Ｗ ｂ挖 掘看 还 尚处 于学 习 、跟 踪 和探 索阶 段 ，Ｗ ｂ挖掘 有 ｅ ｅ 许 多 问题 有待 于进 一步 的研 究 和深 化 ，希望 未 来 的发展 能更 好 的 服 务 于社会 。 参考 文献：
ｏ ｔｉ ｌａｐ ｃｓ ｆ ｂａｎａｌ ｓ ｅｔ ｏ Ｗ曲 ｉｆｒ ａｉｎｏ ｅ ｓ ｏ ａ ｔ ｙＷｉ ｓ ｘ ｅｌｎ ｂｃ ｎ ｉ ｏ ． ｃｕ ｉｓａｍａｏ ｒ ｅ．ｈ ｖ ｎｏ ｔ ｆ ｔｉ ｒ ． ｔ ｉ ｃ ｌ ｔ ｍ ｏ ｈ ｔ ｍｏ ｍｐ ｔ ｗａ ｎ ｈ ｔｅ ｅ Ｗｅ ｏ ｄｔ ｎｉ ｏｃ ｐｅ ｊ ｒ ｋ ｔ ａ ｅ ｉ ｔ ｍａ Ｉ
对 Ｗｂ ｅ 数据 挖 掘 的综合 概述 Ｗ ｂ挖 掘是 从 Ｗ ｂ资源 上抽 取所 需信 息 的过程 ， 它是将 传 统 ｅ ｅ 的数据 挖掘 的思想 和方 法应 用于 Ｗｂ Ｗ ｂ数据 挖掘 在很 多方 面 都 ｅ。ｅ 发挥 着 主 导作用 ， 如搜 索 引擎 结构 的数据 挖 掘 ， 搜索 引擎 的开发 ， 改进 和 提 高搜索 引擎 的质量 和效 率 ，确 定权 威页 面 。Ｗ ｂ挖 掘研 ｅ 究覆 盖 了 多个研 究领 域 ，包 括数 据 库技 术 、信 息获取 技 术等 。特 别 是在 电子 商 务领 域 ，通过 对用 户特 征 的理 解和 分析 ，如对 用户 访 问行 为 、频度 、内容 等 的分析 ，提取 出用 户 的特 征 ，从而 为用 户 定制 个性 化 的界面 ，有助 于开 展有 针对 性 的 电子商 务活 动 。 二 、Ｗ ｂ 据挖 掘 的特 点 ｅ数 （ ）半 结构 化数 据 。Ｗｂ 页 面 以某种 格 式呈现 的半结 构化 一 ｅ 数 据 ，其 数据 不完 整 、结 构不 规 则， 复杂程 度 与普 通文 本相 比远 远 高 于普通 的文本 文档 ， 其数 据 结构 隐含 、模 式信 息量 大 、模式 变 化快 。大量 的文 档无 任何 排 列次序 ，无分 类索 引 。 （ ）ｅ 二 Ｗ ｂ是一个 异 质 、分布 、动态 的信 息源 。Ｗ ｂ 其数 据 ｅ及 无 固 定 的模 式且 更新 、增 长速 度 极快 。Ｗ ｂ 上 的信息 几乎 都 是隐 ｅ 藏 的、潜 在 的 、未知 的 ，从 Ｗ ｂ上 发现 这些 未知 的信 息和 有 用 的 ｅ 模 式 ，仅 用传 统 的基 于关 键字 的 检索 方式 很难 实现 ，现 在 的搜 索 引擎 尚不 具 备这 些功 能 。 （ ）面对 一个 非常 广泛 不 同类 型 的用 户群 体 ，不 同的用 户 三 对访 问 Ｗｂ的爱 好和 使用 目的各不 相 同，根 据不 同的用户 ，能否 ｅ 使用 户根 据 自己的爱 好 兴趣 定制 网页 ，甚 至 能否 根据 发现 的用 户 自动 为用 户 定制 网页 ，从 而提 供个 性化 的信 息检 索和 查 询服 务 。 三 、Ｗ ｂ ｅ 数据 在 电子 商 务中 的挖掘 过程 （ ）数据 预处 理 。它 包括 数据 清理 、 用户 识别 、用 户会 话 一 识别 、访 问路径 补充 和事 务 识别 等步 骤 。数 据清 洗 的 目的是删 除 Ｗ ｂ日志 中与数 据不 相 关的冗 余项 ， 小被 挖掘 数据 对象 的范 围。 ｅ 缩 在数 据净 化 后就 必须 确定 单 一 的用户 ，用 户 识别 的 目的就 是对 用 户惟 一性 的识别 。 （ ）模式 识别 。通 常 对 即将处 理之 后 的数 据进 行处 理进 而 二 得 到相应 的事务 数据 库 。 在事 务数据 库 的基 础上 度数 据进 行挖 掘 ， 总 的来 说需 要进 行一 下两 个 方面 的工 作 ：其 一将 事务 数据 库进 行 整理 使之 变 换成 与一 定挖 掘 技术 相适 应 的数据 存 储形 式 ；其 二利 用数 据挖 掘 算法 挖掘 出更 加 有效 的 、新奇 的 、潜 在 的、有 用 的且 可 以进行 实 际研 究 的信息 和 知识 。可 用于 Ｗｂ的挖掘 技 术有 路径 ｅ 选择 、关联 、分 析 、分类 规 则 、聚类 分析 、序列 分析 、依 靠 性建 模等 。 （ ）模式 分析 该阶 段 的主要 任务 是 从上 一阶 段收 集 的数 三 据集 中过滤 掉不 喜欢 的或无 关联 的数 据及 模 式 ，进而 发现 有 趣模 式 。最 常见 的模 式 分析方 法 是 ＳＬ语 言知 识查 询机 制 ，也可 以利 Ｏ 用存 储 Ｗ ｂ使用 数据 的数据 库进 行数 据 导入 ， ｅ 再利 用 ＯＡ Ｌ Ｐ方法 发

Web数据挖掘技术在电子商务中的应用[1]

Web数据挖掘在电子商务中的应用孙祥1 张宏山2*(河南科技大学经济管理学院河南洛阳471003)【摘要】Web数据挖掘是目前信息技术中的研究热点, 它是数据库技术、统计学、人工智能、知识学习等多个领域和技术相互渗透融合的必然结果。

本文首先介绍了Web数据挖掘的含义和Web 数据挖掘的类型，重点讨论了Web数据挖掘所使用的一些相关技术及其在电子商务中的应用，最后对WEB数据挖掘所存在的问题进行了探讨。

【关键字】Web数据挖掘电子商务应用The applications of Web Dataming in the E- CommenceSunXiang1 ZhangHongshang2(School of Economics And ManagementHenan University of Technology and Science, Henan Luoyang 471003) Abstract：Web Dataming is a hotpoint of the information technology, it is database technology, statistics, artificial intelligence, knowledge and other fields of mutual infiltration of the inevitable outcome of integration.In this paper，athoer introduce what the dataming is and the tape of the dataming at first ,then focused on some of the relevant technology of Web Datamining and its applications in E-Commence, some exist problems were discussed in the end.Keyword：Web Dataming E-Commence Application1.引言随着网络技术和数据库技术的成熟，全球传统商务正向着电子商务全速挺进。

计算机信息网络技术在电子商务中的运用

计算机信息网络技术在电子商务中的运用计算机信息网络技术在电子商务中的运用计算机网络技术是计算机技术与通信技术的结合，是智能建筑的核心技术。

涉及通信网络系统、办公自动化系统和楼宇设备自动化系统，延伸到建筑的各个楼层及角落。

计算机网络系统已成为智能建筑的重要设施之一。

以下是店铺帮大家整理的计算机信息网络技术在电子商务中的运用，欢迎大家借鉴与参考，希望对大家有所帮助。

一、Internet网络技术的运用虽然Internet技术不是电子商务的专门技术，但开展电子商务要以Internet网络平台为基础，电子商务发展的好坏与Internet网络技术有直接关系，因而Internet网络技术是电子商务相关的关键技术之一。

二、Web技术的运用现在，Web浏览技术已经广泛地运用于Internet，并被广大用户接受和使用。

Web服务器利用http协议来传递html文件，Web浏览器使用http检索html文件。

Web浏览器从Web服务器上获取信息，然后以静态和交互方式呈现在用户眼前。

电子商务仍然是一种商务模式，在进行电子商务过程中，需要在商家与客户以及其他相关角色之间交换各种信息，此时就要使用Web浏览技术。

随着电子商务的发展，仅仅使用HTML表示信息已经不能满足需要，为此，XML（扩展的标记语言）和CXML（Commerce XML）相继开始发展起来。

三、数据库技术的运用在电子商务交易过程中，涉及到商家、商品、客户、物流配送等大量的信息，这些信息都需要储存在数据库中。

当前数据库管理系统已发展到相当成熟的阶段，能高效、高质、安全地管理数据。

该技术包括数据模型、数据库系统、数据库系统建设和数据仓库、联机分析处理和数据挖掘技术等。

运用于电子商务中的数据库技术主要完成三个方面的功能：①数据的收集、存储和组织；②决策支持；③Web数据库。

四、电子支付技术的运用电子支付是指在网上直接为所购商品付款。

电子支付过程中安全问题解决得好坏直接影响到电子支付是否可以顺利进行。

Web安全技术的最新研究与发展趋势分析

Web安全技术的最新研究与发展趋势分析近年来，随着互联网的快速发展，全球网络用户数量急剧增加，Web安全问题也逐渐引起人们的关注。

在对网络安全的不断探索和研究中，Web安全技术得到了越来越广泛的应用。

本文就Web安全技术的最新研究和发展趋势进行分析，深入探讨Web安全的现状和未来发展方向。

一、Web安全技术的主要应用领域Web安全技术广泛应用于各类互联网应用服务，其中最重要的应用领域包括电子商务、在线支付、虚拟社交网络等。

这些领域的安全问题不同，需要采用不同的技术手段进行防范。

在电子商务领域，Web安全技术主要关注用户信息保护和网站数据安全。

常见的安全问题包括个人信息泄露、交易数据被窃取、网络钓鱼等问题。

不同的安全措施包括使用HTTPS加密协议、使用数字证书进行身份认证、采用防火墙等措施。

在线支付是Web安全技术的“重灾区”，都需要采用高强度的安全技术措施来确保安全性。

目前，许多电子支付公司采用“三重验证”安全措施，即检测支付系统、验证支付身份和监测支付风险，来确保支付交易的安全。

在虚拟社交网络上，Web安全技术主要防止身份欺诈和社交网站被黑客入侵。

最常见的安全问题包括虚假链接、伪造信息和篡改个人信息等。

为了防止身份欺诈，网络用户需要采用复杂密码、定期更换密码等方法，同时保持高度警觉。

二、Web安全技术的最新研究进展随着黑客攻击和网络犯罪事件的增多，Web安全技术也在不断发展。

现在，一些领先的互联网防护厂商正在努力提高Web安全的水平，来应对各类网络威胁。

一些新兴的Web安全技术如下：1、人工智能技术人工智能技术在网络安全领域已经开始发挥重要作用。

AI技术可以自动检测网络攻击，识别虚假的访问请求，从而有效降低攻击的成功率。

此外，人工智能技术还可以追踪用户访问行为，发现潜在的黑客攻击。

2、网站监测技术通过网站监测技术可以实时监控网络流量，分析和识别Web攻击，帮助管理员及时发现并处理Web安全隐患。

电子商务中Web挖掘技术的应用


本 ，形 成 一 个文 本 数 据集 。 由于 文 本数 据 源 基 本 上 无结 构 可 言 ，一 般采 用 自然语 言 描述， 现有 的计 算机很 难 处理 其语 义 ， 以 所 要 进 行有 效 的 文 本挖 掘 就 必须 先 做 文本 分 析 ，抽 取 或 归纳 文 本 中具 有典 型 意 义 的元 数 据 并 加 以有 效 的表 示 。特征 修 剪 包括 横 向切 片 和纵 向投 影 两种 方 式 。 横 向切 片 是 剔除 噪声 文档 或抽 样数 据 ，改 进挖 掘 质量 ， 提高 精 度 和效 率 。纵 向投 影 是按 照挖 掘 目 标 选取 有用 的特 征 ， 通过 这种 特征 修剪 ， 获 取一 个 代 表文 档 集 合 的 、有 效 的 、精 简 后 的特 征 子 集 ，为 文本 挖 掘做 好 准 备 。 Ｗ ｂ 的内容 挖掘还 包括挖掘 后台交 易 ｅ 数据 库 ，这主 要是 注册 用户 的活动 信息 ，它 在电子商务活动中起着非常重要的作用。 后 台 交 易数 据 库 中包 括 客 户登 记 信 息 ，它 是指 客户通过 Ｗ ｂ页 在屏幕 上输 入的 、要 ｅ 提 交 服务 器 的 相关 信 息 ，很 多 电 子 商务 的 提 供 者 都 能 够 收 集 到 有 关 用 户 的 各 种 信 息 ，包括姓 名 、地 址 、信用状 况 、统计数 据 以 及 线上 的各 种 细节 ，如 交货 日期 、数 量 等 。 ‘ 三 Ｗ ｂ挖 掘的过 程和方 法 ｅ （ ）Ｗ 挖 掘 的过 程 一 ｅｂ 电子商 务中的 Ｗ ｅｂ挖 掘过程 一般 由 ３ 个主要 的 阶段组 成 ：数 据准 备 、挖掘 操 作 、 结果表达和解释。 １、数据 准备 。这个 阶段又 可进一 步分 成 ３个子 步骤 ： 据集成 、数 据选择 、数据 数 预 处 理 。数 据 集 成将 多 文 件或 多数 据库 运 行环 境 中 的数 据 进 行 合并 处 理 ，解 决 语 义 模 糊 数 据 准备 ，这 个 阶 段 又可 进 一 步分 成 为处 理 数据 中的遗 漏 等 。 数据 选 择 的 目的 是 辨 别 出需 要 分 析 的数 据 集 合 ，缩 小 处理 范 围 ，提 高 数 据挖 掘 的 质 量 。预 处 理 是 为 了 克服 目前 数 据 挖 掘 工具 的 局 限 性 。 ２、数 据挖掘 。这 个阶段 进行 实际的挖 掘操 作 ，包 括 的要 点有 ：决定 如 何 产生 假 设； 选择 合适 的 工具 ； 发掘 知识 的操 作 ； 证 实 发 现 的知 识 。 ３、结 果表述 和解 释。根 据最终 用 户的 决 策 目的 对提 取 的 信 息 进行 分 析 ，把 最 有 价 值 的 信 息 区分 开 来 ，并 且 通过 决 策 支 持 工具 提 交 给 决 策者 。因 此 ，这 一步 骤 的 任 务 不仅 是 把 结 果表 达 出 来 ，还 要对 信 息 进 行过 滤处 理 ， 如果 不能 令决 策者满 意 ， 要 需 重 复 上述 过 程 。 （ ） 电 子 商 务 中 数 据 挖 掘 的 方 法 二 针 对 电子 商 务 中不 同 的 挖 掘 目标可 以 采 用 不 同的 数 据挖 掘 方 法 ，数 据挖 掘 的 方 法有 很多 ， 主要 包括 下面 ３大 类 ： 统计分 析 或数 据分 析 知识 发现 ；基于预 测模 型的 挖 掘方法等。 ｌ 、统计分 析 。统计分 析主要 用于检 查 数 据 中 的数 学 规律 ，然 后 利 用 统 计模 型 和 数 学 模型 来 解释 这 些规 律 。统 计 分析 方 法 有 助于查 找大 量数据 间的 关 系 ，例 如 ， 别 识 时 间 序列 数 据 中 的模 式 、异 常数 据 等 ；帮 助 选 择适 用 干 数 据 的恰 当的 统计 模 型 ，包 括 多维表 、剖分 、排序 ， 同时应生 成恰 当的 图表提供给分析人员。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

其次，序列模式。序列模式分析描述的问题是：在给定交易序列数据 库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在 这个交易序列数据库上，返回该数据库中出现的高频序列。在进行序列模 式分析时，同样也需要有用户输入最小值信度 c 和最小支持度 s 。序列模式 主要关注事务之间的关系。序列模式数据挖掘就是挖掘出交易集之间有时 间序列关系的模式，在访问日志中发现所有满足用户规定的最小支持度 s 的大序列模式，寻找用户普遍访问的规律( 例如通过序列模式分析，能发现 数据库中形如“在某一段时间内，顾客购买商品 A，接着购买商品 B，而后 购买商品 C，即序列 A) ，预测用户的访问趋向，用来直接指导经营活动， 给客户提供最直接、最周到的服务。例如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，井在显眼的位置提示“访问该页面的人通常 接着访问”的若干页面。
一、 We b 数据 挖掘 Web 数据挖掘是针对包括 Web 页面内容、站点拓扑结构、用户访问信 息、用户注册信息及电子商务交易信息等在内的各种 We b 数据，在一定基 础上应用数据挖掘方法以发现有用的隐含知识的过程。We b 挖掘可分为三 类：Web 内容挖掘（Web Co nt en t Mi ni ng）、Web 使用挖掘（Web Us ag e Mi ni ng）和Web结构挖掘（Web St r uct ur e Mi ni ng）。 Web 内容挖掘。Web 内容挖掘是指从 Web 页面内容及其描述信息中获 取有价值的知识或模式的过程，它又可分为 Web 文本挖掘和 Web 多媒体挖 掘两种数据挖掘方式。We b 文本挖掘的数据对象既可以是结构化的，也可 以是非结构化的、半结构化的。Web 内容挖掘可以完成概括某些特定文本 内容、对文本集合进行分类或We b 上的音频、视频数据和图像等。 Web 使用挖掘。Web 使用挖掘目的是从用户访问 Web 时在服务器上留 下的访问记录中抽取感兴趣的知识。挖掘对象主要是服务器上的日志信息， 包括服务器日志、代理服务器日志和客户端的Cooki e 等。通过分析关于用 户访问和交互的信息，发现用户感兴趣的模式，更好地理解用户的行为， 从而改进站点的结构，为用户提供个性化的服务。 Web 结构挖掘。Web 结构挖掘是从 Web 的组织结构和链接关系中推导 知识，Web 结构包括不同网页之间的超链接结构和一个网页内部的树形结 构，以及文档 URL 中的目录路径结构等。通过文档之间的超链接，可以挖 掘出文档间关联关系所代表的信息，从而帮助发现用户相关主题的权威页 面和进行页面等级划分；通过分析 Web 网页内部树形结构，可以发现与给 定页面集合相关的其它页面。 二、 使 用 的 We b 数 据 挖掘 技 术 首先，关联规则。关联规则主要关注事务内在关系。关联规则挖掘就 是挖掘出用户在一个访问期间（s es s i on ）从服务器上访问的页面／文件之 间的关系，找出在某次服务器会话中最经常一起出现的相关页面。挖掘发 现的关联规则往往是指支持度超过预设阀值的一组访问网页，这些网页之 间可能并不存在直接的引用（Ref er ence）关系。 关联分析是寻找在同一个事件中出现的不同项的相关性，比如在一次 购买活动中所买不同商品的相关性。序列模式与此类似，它寻找的是事件 之间时间上的相关性，如对股票涨跌的分析。以市场货篮这个典型例子分 析关联规则。“在购买面包和黄油的顾客中，有 9 0%的人同时也买了牛奶 “( 面包 + 黄油 + 牛奶) 。用于规则发现的对象主要是事务型数据库，分析 的是售货数据，也称货篮数据。以下给出的数学模型用来描述关联规则的 发现问题：增长、STEM、AI S、DHP等算法分类发现 - Y在事务集 D上的支 持度 s up por t （X∪ Y）＝ s 。可信度为 c，如果 c=s uppor t （X∪ Y）*100/ s uppor t （X），则说明 D中包含 X的事务中有 c%的事务同时也包含了 Y。可 信度说明了蕴涵的强度，而支持度说明了规则中所出现模式的频率。具有 高可信度和强支持度的规则称为“强规则”（s t r ong r ul es ）。关联规则发现 任务的本质是要在数据库中发现强关联规则。利用这些关联规则可以了解 客户的行为，这对于改进零售业等商业活动的决策很有帮助。
论 网 络
探究
中国校外教育·理
We b 数 据 在 电 子 商 务 技 术 中 的 使 用 分 析
◆吴飞
【 摘要】在信息爆炸的电子商务时代，利用 We b 数据挖掘可以迅速从海量数据中获取有利于商业运作和提高竞争力的信息。文章在介 绍 We b 数据挖掘概念和常用技术的基础上，阐述了其在零售业电子商务领域的应用。
【 关键词】电子商务 We b 数据挖掘 零售业 关联 聚类 分类
Web 数据挖掘是数据挖掘技术在 Web 上的应用，它利用数据挖掘技术 从与 WWW相关的资源 和行为中抽 取感兴趣的、 有用的模式和 隐含信息， 涉及 Web 技术、数据挖掘、计算机语言学等多个领域，是一项综合技术。 对于零售企业，通过 Web 数据挖掘，不仅为企业做出正确的商业决策提供 强有力的工具，也为商家更加深入地了解客户需求信息和购物行为特征提 供了可能性，从而开展有针对性的电子商务。
再次，分类聚类。分类技术是把数据项映射到预先定义好的类中，即 对新添加到数据库里的数据进行分类。分类分析的输入集是一组记录集合 和几种标记，按标记分类记录，然后检查这些标定的记录，描述出这些记 录的特征。分类规则可以挖掘用户群的访问特征（某些共同的特性）。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。在电子商务中分类 分析可以预测客户响应，如哪些客户 最倾向于对直接邮件推销做出回应， 又有哪些客户可能会换他的手机服务提供商，或进行商店定位，如按成功 的商店、一般商店和失败商店排列得出这 3 类商店各自具有的属性。然后 选择包含位置属性的地理数据库，分析每一预期的商店位置属性，以确定 预期的商店定位属于哪一类。只有那些符合成功一类要求的商店位置才作 为商店定位的候选。用于分类分析的技术有很多，典型方法有统计方法的 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等。最 近数据挖掘技术也将关联规则用于分类问题。另外还有一些其它分类方法， 包括 k －最临近分类、MBR、遗传算法、粗糙集和模糊集方法。目前，尚未 发现有一种方法对所有数据都优于其它方法。实验研究表明，许多算法的 准确性非常相似，其差别是统计不明显，而训练时间可能显著不同。一般 地，大部分神经网络和涉及样条的统计分类与大部分判定树方法相比，趋 向于计算量大。