web使用挖掘介绍及趋势

参 考文 献 来自（ ５ ：８ １） ． ２
［ ］ 姜瑞其 ． ３ 国外 机构库发展 概况 ［］ 图书情报工 作 ，０ ５ １ ）１ ２ Ｊ． ２０ （ １ ：４ —
１ ５； ４９ ４ １ ．
（ 责任编辑 ： 刘翠玲 ） 第一作者简介 ： 春燕 ， ，９ ９ ５ 李 女 １７ 年 月生 ，０ ２ ２ ０ 年毕业于武汉大学 图书馆 学系，助理馆员 ，中山大学图书馆 ， 广东 省广州市新港西路 １５ ３
之 为半结 构化数据 。半结构化是 Ｗｅ 上数据 的最大特点 。 ｂ ２３ 解 决半结构化的数据源 问题 ．
１ Ｗｅ 信 息挖 掘概 述 ｂ
Ｗｅ ｂ挖掘（ ｂＭｉｉｇ是数据挖掘在 Ｗｅ Ｗｅ ｎｎ ） ｂ上的应用 ， 是一项 综合 技
术， 涉及 Ｗ ｂ 数据挖掘 、 机语言学 、 ｅ、 计算 信息学等多个领域 ， 同研究 者 不 从 自身的领域 出发 ，对网络挖掘的含义有着不 同的理解 。但 总体 而言 ，
从数据库研究的角度出发 ， ｂ网站上 的信息也可以看作是一个数 Ｗｅ
据库 ， 一个更大 、 复杂的数据库 。Ｗｅ 更 ｂ上 的每一 个站点就是一 个数据
源， 每个数据源都是异构 的， 因而每一站点 之间的信 息和组织都不一样 ， 这就构成 了一个巨大的异 构数据库环境 。 如果想要利用这些数据进行数 据挖 掘 ， 首先必须要研究站 点之间异构数 据的集成 问题 ， 只有将 这些站 点的数据都集成起来 ， 提供 给用户一个统 一的视图 ， 才有 可能从 巨大的 数据资源 中获取所需 的东西 。其 次 ， 还要解决 Ｗｅ ｂ上的数据查询 问题 ， 因为如果所需的数 据不能很有效地得到 ， 对这些数据进行 分析、 集成 、 处
理就无从谈起 。 ２２ 半结构化的数据结构 ．

Ｗｅ ｂ数据挖掘在电子商务中的研究 和应用 ，已经越来越受到 ３ ． 面对 一个非常广泛的形形色色 的用 户群 体 。不 同的用 户访 人们 的重 视和关 注， 它的前景广阔 ， 势 头 良好 。并且经过各类 电子 问 Ｗｅ ｂ的兴趣 、 爱 好和使用 目的千差 万别 ， 面对一 个非常广 泛 的 商务网站 的实践 以及经验 的证 明， 电子商务的优点突 出， 它不仅价 形形 色色 的用户群体 ， 能否使用 户根据 自己的爱好兴趣定制 网页， 格低廉 ， 而且交易方便 ， 它吸引着无数 的消 费者。对于电子商务 网 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 站来 说 ， 要 了解到顾 客的购买意 向 、 吸引顾 客的活动 、 了解顾 客 的 的信息检索和查询服务 。 购物行为心理 。 这些都是 当前需要研究 的问题。 通过数据的挖掘技 三 、 数 据 挖 掘 在 电子 商 务 中 的 应 用 术 的应用 ，我们就能够从海量的数据信息 当中提取 出那 些相对来 目前 对于 Ｗｅ ｂ 挖 掘的对象和使用的方法层 出不穷 ， 但 随着电 说 比较有用 的信息 ， 来 帮助商家对 客户进行 进一步的理解 ， 才能够 子商 务网站的兴起 ， 电子 商务 将是未来 Ｗｅ ｂ挖掘的主要发展 方向 推 出更多更为实惠 的商业服务 。 并且通过数据的挖掘 ， 瞄准一个客 之一 ， 因此它在各种商 业领域都存在广泛 的使用价值 。 当电子商务 户群体 ， 通过一些比较特殊 的信息手段来进 行一次宣传工作 ， 以此 在企业 中得到应用时 ， 企业信息 系统将产 生大量数据 ， 这些海 量数 来更大 的对广告的预算 以及增加收入进行减少 ，从 而让 这一切都 据使数据挖掘有 了丰富的数据基础 ，同时高性能计算机 和高传输 能 够 自行 完 成 。 速率 网络 的使用 ， 也给数据挖掘技术提供 了坚实的保障 。 介绍以下

局 面 ， 了解 决 这 个 问题 ， 代 引 入 了 数据 挖 掘 这 个 概 念 。 为 现 所 谓 数 据 挖 掘 Ｄ ｔ ｎｎ ａ Ｍｉｉｇ就 是 从 大 量 的 、 完 全 的 、 噪 ａ 不 有
１Ｗｅ 使 用 挖 掘 、 ｂ Ｗｅ ｂ使 用 挖 掘 通 过 挖 掘 Ｗｅ 日志记 录 ，来 发现 用 户访 问 ｂ ｂ页 面 的模 式 。通 过 分 析 和 探讨 Ｗｅ 日志 记 录 中 的规 律 。 ｂ 增 们 对数 据 库 技 术进 行 长期 研 究 和 开 发 的 结 果 ．而 数 据 挖 掘 技 术 Ｗｅ 并 ｂ服 发展 的同 时 它 又反 过 来 促 使 数 据 库 技 术 进 入 了 一 个 更 高 级 的 阶 强 对 最 终 用 户 的 因 特 网信 息 服 务 的 质 量 和 交 付 ． 改 进 Ｗｅ 段 ：传 统 的 数 据环 境 基 本 上 是 数 据 操 作 型 的 传 统 的 信 息 系统 只 务 器 系 统 的性 能 负 责数 据 的增 、 删及 修 改 操 作 ， 在 数 据 库 的 基 础 上 可 实 现 的 工 而 作 就 是 Ｏ Ｔ （ｎ ｉｅＴａｓｃｏ ｒｃｓ． 机 事 务处 理 ） 现 在 Ｌ ＰＯ Ｌｎ ｒｎａｔ ｎＰｏｅｓ联 ｉ 。 ２ Ｗｅ 、 ｂ内容 挖 掘 Ｗｅ ｂ内 容 挖 掘 是 指 对 Ｗｅ ｂ上 大 量 文 档 集 合 的 ” 容 ” 行 内 进
一
、
引言
随着 计 算 机 硬件 和软 件 的 飞 速 发 展 ．尤 其 是 数 据 库 技 术 与
一
。
在２ Ｏ世 纪 ８ Ｏ年 代 ． 球 信 息 量 每 隔 ２ 全 Ｏ个 月 就 要增 加 ～ 倍 。 如 今 美 国 宇 航 局 的 数 据 库 每 天 从 卫 星 下 载 的 数 据 量 就 能 达 到 ３ Ｂ ４ Ｂ． Ｔ －Ｔ 面对 ｎ 积 如 山” 堆 的数 据 集 合 ． 用传 统 的 数 据 分析 手 利 段 难 以 应 付 ． 是 造 成 了 ” 据 过 剩 ” ” 识 匮 乏 ” 存 的特 殊 于 数 与 知 并

引 擎 信息 检索 的质 量 。 用 Ｄ 表 示 Ｃａ ｌｒ 第 ｉ 下 载 数 据 集 ， 包 含 了 ｊ 页 面 ： ； ｒｗ ｅ 的 次 它 个 Ｄ ｄ ｄ …ｄ｝ 和 ｊ 产ｆ 。ｉ ． ， 分别 代 表 下 载 次 数 和 每 一 次 下载 的 页 面 数 ， Ｗｅ ｂ数 据 挖 掘 （ ｂｄ ｔ ｍｉｉｇ 是 从 大 量 的 Ｗｅ Ｗｅ ａａ ｎｎ ） ｂ文 档 集 合 中 ， 。 ． 次 个 Ｒ Ｐ 表示 第 ｉ 的 所 有 页 面 的 Ｐ 次 Ｒ 通 过 对 各 种 网页 、 据 库 、 ｅ 数 Ｗ ｂ链 接结 构 、 户 信 息 等 分 析 ， 发 现 其 Ｐ 表 示 第 ｉ 的 第 ｉ 页 面 的 ｐ 值 ，。 用 去 则 ｉ｛ｉ ＇ 胁 Ｐ， 一个 Ｕ Ｌ的 Ａ Ｒ Ｒ值为 Ａ Ｐ ｓ ｅｆ ） 中 Ｐ Ｒ＝ Ｒｘｉ ｏ（ ， ｚ Ｄ其 Ｒ 中蕴 藏 的 、 知 的 、 潜 在 应 用 价 值 的 、 平 凡 模 型 （ａｔｒ ） 按 照 处 值 ， Ｐ：ｐｌ …， ｝ 未 有 非 Ｐｔｎ 。 ｅ ＲＬ的 Ｐ ｇＲ ｎ ａｅ ａｋ值 ， ｚｏ（） Ｗｅ ｓ ｅｆ 是 ｉ Ｄ ｂ文 档 集 页 面 的 总 量 。 终 得 到 最 理 对 象 的 不 同 ，将 Ｗｅ ｂ数 据 挖 掘 分 为 Ｗｅ 内容 挖 掘 （ ｂＣ ｎｅ ｔ 是 Ｕ ｂ Ｗｅ ｏ ｔｎ 个 页面 的 Ｐ 修 正值 Ｐ Ｒ Ｒ ＭｉｉｇＷ ｅＣ 和 Ｗｅ ｎｎ ， ｂ Ｍ） ｂ结 构挖 掘 （ ｂＳｒｃｕｅＭｉｉｇ ＷｅＳ 。其 Ｗｅ ｔ ｔｒ ｎｎ ， ｂ Ｍ） ｕ 中 Ｗｅ ｂ结 构 挖 掘 是 从 Ｗｅ ｂ结 构 和 链 接 关 系 中 ． 现所 需 要 的 信 息 。 发 斯 Ｐ
更 加 提 高 了 ｗｅ 索 的精 确 度 。 ｂ检

２１ ０ ０年
《 田 师 范 专 科 学 校 学 报 》（ 文 综 合 版 ） 和 汉
Ｊ １ ０ ０第 ２ ｕ． １ ２ ９卷 第 四 期
总第 ６ ６期
Ｗｅ 使用挖掘技术在电子商务中的应用 ｂ
唐 晓琴
（ 商洛学院中文系
屈正庚
陕西商洛 ７６０） ２００
【 摘 要 Ｊ Ｗｂ服务 志 从 ｅ 器日 文件和客户 交易数 挖掘出有意 据中 义的用 的用户端在访 问／ ａ ，０ｌ 时，是从／ａ 开始 ，经过／ｍｓ ｗ， ｃ Ｓ ｂ０２ ｌｓ （ ｃｓ ｌｓ ｄ ￣ｅ
子商务活动。 该文分析了 Ｗｂ ｅ 使用挖掘技术， 阐述 了挖掘数据的过程并提出了 Ｗｂ ｅ 使用挖掘技术在电子商务中的作用 。
骤如图 １ 所示 ：
活动 。
３５聚类技 术。聚类技术 是对符合某 一访 问规律特 征的用户进 ． 行用 户特 征挖掘 。聚类 分析可 以从 Ｗｂ访 问信息数据 中聚集 出具有 ｅ 相似特性的那些客户。在 Ｗｅ 事务日志中，聚类顾客信息或数据项 ｂ 能够 便于开发和执 行未来的市 场战略 。这种 市场战略包括 ： 自动给 个特定的顾客聚类发送销售邮件，为一个顾客聚类动态地改变一
户访 问模式和潜在的客户群，使为企业提供全方位信息服务和开展有针对性的电 ＆￣ｓ ｏ ， ｃ ＆ ｏ ｌ ｌ ＆ｏｋ ／￣ｓ ｏ ｋ，最后才 到的／ ￣ｓ ｏ２ 这 条规则说明在 ｌ ｃ ＆ｏｋ 。 ｌ
／ａｓ ０ｌ 页面上有有用的信息，但因为客户对站点进行的是迂回 ｃ ｓ ｂｏ２ ｌ ／ （ 绕行 访 问，所 以这个有用信 息并不 明显 。如果这个页面对 网站来说 ［ 关键字］ｅ使 挖 ； 子 务 关 ； 类： 列 ｗ 用 掘 电商 ；联 聚 序 ｂ 比较重要，那么可以通过此路径分析改进页面及网站结构的设计， １引言 ． 从而使客户更容易的访问，ａｓ ｏｌ 。 ｃ ｓ ｂｏ２ ｌ／ 【 电子商务的出现改变了传统的商务模式，使顾客在购买商品的 ３２关联规则。关联规则主要关注事物内的关系。在 Ｗ ｂ使用 ． ｅ 过程中有了更大的选择空间，而不是像以前首先考虑品牌和地理因 挖掘 中，关联规 则就 是寻找 出用户 在访 问一个服 务器期 间中页面 ／ 素。因此，只有更好的了解客户的爱好、价值取 向等，才能赢得更 文件 之间 的关系 ，找出在某 一次服务器会话 中最经常一起 出现 的相 多的客户。Ｗｅ ｂ使用挖掘是将传统的数据挖掘同Ｗｅ 结合起来， ｂ 从 关画面。 例如，０ 的客户购买了笔记本电脑之后又购买屏幕清洁剂。 ４％ Ｗｅ 文档和 Ｗｅ 活动中抽取用户感兴趣的、 ｂ ｂ 潜在的有用模式和隐藏 利用挖掘 出来的这些 相关性 ，我们 可以更好 的组 织站点 ，实施有效 信息，从而可有效地了解客户行为， 提高站点效率、 优化网站设计， 的市场策 略。 在激烈的市场竞争中处于有利位置。 ３３序列模式。序列模式挖掘就是挖掘出交易集之间有时间序 ． ２ Ｗｂ使用挖掘 ．ｅ 列关系的模式， Ｗｅ 在 ｂ曰志中发现所有满足用户规定的最小支持度 ２ １ｅ ．Ｗｂ使用挖掘的概念 。 ｂ 用挖掘 ， Ｗｅ 挖掘 的一个方 的大序列模式。序列模式的发现就是在时间戳有序的事务集中，找 Ｗｅ 使 是 ｂ 面。 ｂ Ｗｅ 挖掘是从 ＷｗＷ （ ｏ ｄ ｉ ｅ ）上抽 取知识 的过程 ，它 到 那 些 “ 些 项 跟 随 另 一 个 项 ”的 内部 事 务 模 式 。例 如 ：在 ｗ ｒ ｄ ｗ ｂ ｌｗ ｅ 一 是从与 ｗｗｗ 相 关的资源和行 为中抽 取感兴趣 的、 有用 的模 式和隐 Ｍ￣ ＆ｏｋ 上进行过在线定购的顾客， ６％ ｓ ｏｌ 有 ０ 的人在过去 １ 天内也 ５ 含信 息， 也是将数据挖掘 技术和理论应 用于 ＷＷｗ 资源 中进行挖 掘 在／Ｉ ｓ ａ ｌ处下 过订单 发现序列模式 能够便于进行 电子商务的 ｃ Ｓ， ｇ ａ ｂ 的一个 新兴 的研究领域 。 组织预测客户的访问模式，对客户开展有针对性的广告服务。通过 Ｗｅ 用记录挖掘在 新兴的电子商务领域有 重要意义 ，主 要任 系 列模式 的发现，能够在服 务器方选取有 针对性 的页 面，以满足访 ｂ使 务是从 Ｗｂ的访问记录 中抽取 感兴趣的模式 。Ｗｂ使用挖掘数据 除 问者的特定要求 。 ｅ ｅ 了服 务器的 日志记录外还 包括代理服 务器 日志 、浏 览器端 日志 、注 ３ ４分类规则。分类规则主要是根据用户群的特征挖掘用户群 ． 册信息、用户会话信息、交易信息、Ｃ ｏｉ ｏｋ ｅ中的信息、用户查询、 的访问特征 。 Ｗｅ 在 ｂ数据挖掘 中，分类规则 的发现就 是给出识别一 鼠标点击流等一切用户与站点之间可能的交互记录。 个特殊群体公共属性的描述，这个描述可以用来分类新的项，例如： ２２ ｂ ．Ｗｅ 使用挖掘 的过 程 。 电子商务环境下 ， 在 主要 的挖掘对 象 在／ ￣ｓ ｏ２ ｃ ＆ｏｋ 进行过在线定购 的顾客中有 ５％是 ２一Ｏ ｌ ５ Ｏ３ 岁生活在南 是服务器 日志 。Ｗ ｂ使用挖掘 是一个多步骤 的挖掘 过程 。其主要 步 方 的年轻人 。得 到这一分类 后，就可 以进 行适合这一类客户 的子商务中的应用 ．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）

维普资讯
２０ ０ ８年 第 １ 期
福
建 电脑 １７ 来自 ＷＥ ． Ｂ数据挖 掘及 其在 电子 商务 中的应 用
ｒ ． 阳 理 工 学 院 河 南 南 阳 ４ ３ ０ ． 南 １ ７０４ ２ 州 交通 大 学 甘 肃 兰 州 ７ ０ ７ ．兰 ３ ０ ０）
赵 焕 平 仝 选 悦 ０
【 摘
用。
要】 随着互联 网信息的增长 ， Ｂ挖掘 已经成 为数据挖掘研 究的热点之 一， ： ＷＥ 尤其适 用于电子 商务领域 。 中介绍 文
了 ｗ ｂ数 据 挖 掘 的 概 念 和 分 类 ． 阐述 了 Ｗ ｂ挖 掘 在 电子 商 务 中的 挖 掘 方 法 和 过程 ， 析 了数 据挖 掘 在 电子 商 务 中的 具 体 应 ｅ ｅ 分
面． 开展 有 针对 性 的 电子 商 务 以更好 的 满 足访 问者 的 需求 。
２ＷＥ ． Ｂ数 据 挖 掘 概 述 ２ １ Ｂ 数据 挖掘 的定 义 ． ＷＥ
２知 识 发 现 ： 于 人 工 智 能 和 机 器 学 习 ， 用 数 据 搜 寻 过 ． 源 利 程 ． 到 一 个 有 意义 的 数 据 模 式 ． 中 可 以发 现 规 律 ， 体 的 方 得 从 具 法 有 人 工 神 经 网络 、 策树 方 法 、 传算 法 、 则 推 理 等 。 决 遗 规
售策略。 ２２ 据 挖 掘 的分 类 ．数 Ｗｅ ｂ数 据 有 三 种 类 型 ： ｎｌ 记 的 Ｗｅ Ｈｔ 标 ｌ ｂ文 档 数 据 ， ｂ文 ３３电 子 商 务 中 ＷＥ Ｗｅ ． Ｂ数 据 挖 掘 的过 程 档 内连 接 的结 构 数 据 和 用 户 访 问 数 据 。按 照 对 应 的数 据 类 型 ． 电 子 商 务 中 的数 据 挖 掘 的过 程 一 般 由 以下 几 个 主 要 的阶 段 Ｗｅ ｂ挖 掘 可 以分 为 三 类 ： 组成 ： 据准备、 掘操作、 果表达和解释。 数 挖 结 １ ｂ内容 挖 掘 ： 是 从 Ｗｅ ． Ｗｅ 就 ｂ文 档 或其 描 述 中筛 选 知 识 的 １数 据 准 备 ： ｂ数 据 挖 掘 的 数 据 来 自两 个 方 面 ： 方 面 是 ． Ｗｅ 一

Ｗｅ 数 据挖 掘技 术 的 应 用 可 以使 资 源 了 解 用 户 交 互 行 为 ｂ
数据 中所 包 含的 意 义 ， 此 ， 技 术 可 以 被 广 泛 应 用 于个 性 化 因 该
活 动 中发 现 和 抽 取 有 用 的 信 息 。Ｗ ｅ ｂ资 源 与 传 统 的 数 据 库 资
源 相 比具 有数 据 量 庞 大 、 构 比较 复 杂 、 态 性 较 强 及 用 户 目 结 动 标 不 明确 等特 点 。 因此 ． ｂ挖 掘 是 一 个 具 有 挑 战 性 的课 题 。 Ｗｅ 根 据 Ｗｅ ｂ挖 掘 处 理 对 象 的 不 同 ， 般 将 Ｗｅ 一 ｂ挖 掘 分 为 三 类 ： Ｗｅ ｂ内 容挖 掘 （ ｂｃ ｎｅｔｍｉｉｇ Ｗｅ Ｗｅ ｏ ｔｎ ｎｎ ）、 ｂ结 构挖 掘 （ ｂｓｒｃ Ｗｅ ｔｕ 一 ／ｒ ｎｎ ）和 Ｗｅ ｕｅｍｉｉｇ ｂ使 用 模 式 挖 掘 （ ｂ ｕａ ｅｍｉｉｇ Ｗｅ ｓｇ ｎｎ ）。ｗｅ ｂ 内容 挖掘 是 指 从 文 档 的 内容 或 其 描述 中 提 取 知 识 。 内容 挖 掘
推 送 服 务 、 息 智 能化 服 务 等 领 域 。 通 过 Ｗｅ 掘 ． 仅 可 以 信 ｂ挖 不 将 大 量 的各 种 各样 的看 似 无 关 的 Ｗｅ ｂ数据 关联 起 来 从 中 提 取
我 们 需要 的有用 知 识 ． 可 以得 到 关 于 群体 用 户 访 问 行 为 和 方 还 式的 普遍 知 识 ， 过 对 这 些 知 识 的理 解 和 分 析 ． 对 用 户 访 问 通 如
进行 ｗｅ ｂ页 面推 送 。
在 数 字 图书 馆建 设 过 程 中 ， 户 将 面 临 着 数 字 化 信 息 资 源 用 的海 洋 。在 网络 技 术 和信 息技 术 高 速 发 展 的 今 天 ， 们 将 前 所 人 未有 地 处 于 信 息 资 源 的包 围 之 中 、 入 信 息 的 海 洋 中 无 法 自 陷 拔 ： 字 图 书 馆 信 息 资 源 是 为 满 足 各 类 型 的 用 户 而 搜 集 整 理 数 的 ， 而是 全 面综 合 的 ， 对 某一 个 特 定 用 户 来 说 ． 的 需 求 可 因 但 他 能 是 特 定的 ． 限 于 某一 个 范 围 内 的 。传 统 Ｗｅ 局 ｂ服 务 中 ． 息 信

电 三 商 务 ｊ Ｆ
Ｗｅ ｂ挖掘技术在电子商务［ 的应用硼 夯 １ 】
一 周
［ 摘ቤተ መጻሕፍቲ ባይዱ
梅
中国矿 业大 学管理 学 院
要 ］ｗ 曲挖 掘 是 数据 挖 掘 应 用 于 互联 网的 具体 表现 形 式 ， 是 从 海量 的 电子 商 务 交 易信 息 中提 取知 识 以 掌握 网络 客 也
户 消 费 习惯 的 重要 技 术手段 。 本 文 旨在 分析 Ｗ ｂ 掘 常 用 的技 术 及 其 在 电子 商 务 中的挖 掘 流程 ， 并 对其 在 电子 商 务 中 的应 ｅ挖 用 领域 进 行 探 讨 ，以 协助 商 家 更好 的 运 用 网络 开展 电子 商 务活 动 。 ［ 关键词 ］Ｗ ｂ 掘 电子 商 务 ｅ挖
一
数据挖 掘
引 言
类是以 ” 簇内最 大相似 、簇 间最大不同”为宗旨的．它没有任何
１ 多年 来 ． 据 挖掘 技 术 在我 国理 论 界和 应 用 实 践 上都 取 得 划 分 标 志 ．最终 可 划 分 为 几簇 也 不 可知 。序列 模 式 与 关联 分 析 类 ０ 数
了长足发展。电子商务通过 Ｉ ｅ ｅ 被越来越多的人认识并使用 ． 似 ．它寻找的是事件之间时间上的相关性。能发现数据库 中形如 ｎｒ ｔ ｔｎ 成为现代社会节省资源、提升交易效率的新型商业运作模式 。正 “ 一段 时间 内 ．顾 客 购买 物 品 Ａ．然 后购 买 物 品 Ｂ 在 ．而 后购 买物 是由于电子商务的深入发展 ，积累了大量的客户信息和 交易信
三 Ｗｅ 挖 掘在 电子商务中的流程 ｂ 与普通的数据挖掘不同的是 ｗｅ 挖掘的对象是互联 网上的 ｂ
的动 态 特 征 ．使 得 ｗ ｂ 掘 过 程 更加 复 杂 。 总体 来 说 ｗｅ 挖掘 ｅ挖 ｂ

１ 引言 ．
随 着 ［ｔ ｎ ｔ 越 来 越 普 及 ，其 发 展 速 度 来 是 惊 天 动 地 人 ｎｅ ｅ 的 ｒ 的 。 据 美 国 Ｎ Ｃ研 究 院 研 究 人 员 的报 告 ． 至 ２ ｏ 根 Ｅ 截 Ｏ ｏ年 ２月 ． 网 络 上 可 索 引 的 网 页达 到 １ ０亿 ． 关 专 家认 为 、 有 ｗｗ 的规 模 正 以每 四个 月 增 长 一倍 的 速 度扩 大… 。面 对 如 此 海 量 的 的 信 息 ． 『 人 ¨是 １ 们 要 从 中找 到 自 己需 要 的 信 息 却非 常 困 难 ． 成 了所 谓 的 “ 据 形 数 丰 富 ． 信 息 匮乏 ” 局 面 但 的 目前 Ｗｅ ｂ上 绝 大 多数 搜 索 引 擎 都 使 用 基 于关 键 词 匹 配 的 全 文检 索 技 术 。 文 检 索 （ ｕ Ｔ ｘ ｅ ｉ ａ） 全 Ｆ ｌ ｅｔ ｔｅ１ 是指 以文 档 的 全部 ｌ Ｒ ｒｖ 文本信 息作为检索对象的一种信息检索技术 ．它处理的对 象是 文 本 ． 够对 大量 Ｗｅ 能 ｂ文 档 （ 网页 ） 立 由 字 （ ） 文 档 的 倒 排 建 词 到 索 引 。 此 基 础 上 用 户 使 用 关 键词 来 对 文 档进 行 查 询时 ． 统 将 在 系 给 用 户 返 回 含该 关键 词 的 网页 由于 参 与 匹 配 的 只有 外 在 的 表 现 形式 ． 而非 它 们 所 表 达 的 全 部 概 念 ， 样 往 往 带 来 大 量 的 无 这 信 息 。 得检 索 的 效 率 非 常 低 ， 户 花 费 了 大量 时 问 在 检 索 Ｊ ． 使 用 ｌ Ｉ
也 有 可 能 不成 功
人 ＿ 神 经 网 络 由 于其 非 线 性 性 能 力 强 ． 能 稳 健 等 特 性 。 Ｊ 二 性 可 通 过 自学 习 提取 信 息 的 内部 特 征 ．非 常 适 合 于 个 性 化 智 能 信 息

(1 同一网站里不同网页链接的频率。 ) (2 同一网站里同一页面内部链接的频率 ) ( 3) 不同网站间链接的频率等。 Web 结构挖掘的另一个功能是发现专业 网站中的层次关系和链接网络关系， 获取信息 流的流向， 从而使查询更方便、 更容易。 XML 文档的拓扑结构比较明显， 通过Xhnk 进行超 链接， 能迅速地发现文档间的关系。 3. 3 Web 使用挖掘 We 使用挖掘是从Web 访问日 b 志中发现 用户的访问模式， 预测用户的浏览行为。当用
3 X 应用于We 数据挖掘 L M b
3. ，We 内容挖掘 b We b 内容挖掘是一种基于网页内容的 We b 挖掘， 自动地对在线信息进行查询、对 数据的内容进行挖掘， 从挖掘的内容来说， Web 内容挖掘和普通的数据挖掘有很多相似 之处， 普通的数据挖掘工作在Web 内容 卜 挖掘 都可以应用。We b 内容挖掘通常有多种类 型， 如文本、图片、声音、视频、元数据 和超级链接等， 大多数都是非结构化数据， 对 这些文档的内容进行查询和分析 ， 无疑比较复 杂， 如果Web 文档是用XML 来编写的， 则不 仅提高了文档的结构化程度，也为建立分析
应用前景和巨大的现实意义。
Z X陡 的特点
XML 是由万维网协会(W3c 创建的一组 ) 规范， 具有良好的可靠性和互操作性， 不仅可 以满足不断增长的网络应用需求， 还可确保在
通过网 络进行交互。它包含一 组基本 规则， 利
用这组规则任何人都可创造出符合自己特定 应用领域需要的标记语言， 而这样创造出的标 记语言所描述的不再是信息的显示方式， 而是 信息本身的某种属性。 XML 作为一种标记语言有许多 特点 (1)XML 简化了 数据交换。使用XML， 每 个实体可以创建单一的实用程序， 该实用程序 将该实体的内部数据格式转换成XML ， 反之

要 从这 些数据通 信中进 行数据 提取 。其任务是从 目 标 Ｗｅ ｂ文档 中得到数据 。值得注意的是 ， 时信 息 有 资源不仅限于在线 Ｗｅ 文档 ， ｂ 还包括 电子邮件 、电
子文档、新 闻组 ，或者 网站的 日志数据甚至是通过
Ｗｅ ｂ形成的交易数据库 中的数据 。 ２２ ．信息选择和预处理 ：从 目标数据集中除去明
维普资讯
山东 纺 织 经济
２０ 年 第 １ （ ０８ 期 总第 １ ３期） ４
Ｗ ｅｂ 数 据 挖 掘 研 究 综 述
李 森 １ 胡学钢 ’ 李正吉 ．
安徽合肥 ２００ ； ３０ ９ ２ １４ ） ６０ １
（ １合 肥 工 业 大 学计 算 机 与信 息 学院
显错误的数据和 冗余的数据 ，进一步精简所选数据
的有效部 分 ，并将数据转换成有效形式 ，以使数据
开采算法 （ 包括选取合适 的模 型和参数 ）寻求感兴
趣 的模型 。 其任务是从取得的 Ｗｅ 资源 中剔除无用 ｂ 信息和将信息进 行必要的整理 。 例如从 Ｗｅ 文档 中 ｂ 自动去除广告链接 、去 除多余格式标记 、 自动识 别 段落或者 字段并将数据组织成规整 的逻辑形式甚至
２４ ． 模式分析 ： 发现的模式进行解释和评估 ， 对 必要时需 返 回前面处 理 中的某些 步骤以反 复提 取 ，
Ｗｅ 数据挖掘过程是一个完整的ＫＤ ｂ Ｄ过程 ， 但 与传统数据和数据仓库相比 ， ｂ ｗｅ 上的信息是非结 构化或半结构化的 、动 态的、并且是容易造成混淆
的 ， 以很难直接 以Ｗｅ 网页上的数据进行数据挖 所 ｂ
２ 山 东信 息职 业技 术 学 院信 息工程 系 山 东潍坊 摘
要 ：随 着 ｅｅ／ ｅ技 术 的快速 普 及和迅 猛 发展 ，各 种 信 息可 以以非 常低 的成 本在 网络上 获 ｒｔ ｗｂ ｎ

ｅｎ ｔ Ｉｔ ｅ 的发 展 各企 业 均积 累 了大量 的数 据 。如何 从这 些 数据 中 ｎ ｒ
１ 关 联分 析 ，用于 发 现 同一 事 件 中不 同数 据项 的相 关性 。 常
发 现潜 在 的 规 律 ，来 帮 助 制定 企 业 今 后 的发 展 战 略 ， 是各 电子 商 用 的 Ａ Ｏ ｉ 法分 为 两步 ．首 先找 出 满足最 小 支持度 阈 值的频 繁 ｐ ｉｒ算 ｒ 务平 台急 待解 决 的 问题 。Ｗｅ ｂ挖掘 作 为数据 挖掘 的 一个 重要 分支 项 集 然后 由它 们 形 成满 足 最 小置 信 度 阈 值 的强 关 联规 则 。 可 以
２ 优 化 Ｗｅ ｂ站 点 结构 。通 过 分析 用 户的 浏览 路径 ．用有 向 图 １ 数据 收 集 Ｗ ｅ ｂ挖掘 的数 据 对象 包括 服 务器 日志数 据 、代 来 表 示 用户 的 整 个页 面 访 问过 程 ． 图 中的 顶 点代 表 页面 ，图 中的
隐含 在 其 中 的 、人 们 事 先不 知 道 的 、 但又 是 潜 在 有 用 的知 识 的过 器 模 型 ．然后 将 其 用于 对 其 它 数据 的分 类 。 常 用 的方 法 有贝 叶 斯
的资 源 和行 为 中抽 取感 兴 趣 的 、有 用的 模式 和 隐含 知识 。一般 地 ，
Ｗｅ ｂ挖 掘可 分为 三类
它又 可 以分 为 Ｗ ｂ 页面 内容挖 掘 和搜 索 结 果挖 掘 。 页面 内容 挖 费 群 体 的 特 殊 需 要 。 ｅ
指 的是 以某 一 搜 索 引擎 为 基 础 ． 已搜 索结 果 进 行挖 掘 。 对
２ Ｗｅ 结构 挖掘 ，是 从 ＷＷＷ 的组织 结构 和链接 关 系中推 导知 ｂ 识 。它 又可 以分 为外部结 构 挖掘 内部结 构挖 掘和 Ｕ Ｌ挖掘 。Ｗｅ Ｒ ｂ 结 构 挖掘 的 目的是通 过聚 类 和 分析 网 页 的链 接 ， 发 现 网页 的结 构 和有 用 的模 式 ， 找 出权 威 页 面 录 发现 用户 访 问 Ｗ ｅ ｂ页 面 的模 式 。 它又 可分 为一 般访 问 模式 挖 掘 和个 性 化 服 务 模 式 挖 掘

当前 的 热 门课 题 。Ｗｅ ｂ数 据 挖 掘 包括 Ｗｅ ｂ内 容挖 掘 ， ｂ结 构挖 掘和 Ｗｅ 使 用挖 掘 三 个研 究 方 向 。文 中详 细介 绍 了 Ｗｅ Ｗｅ ｂ ｂ使 用挖 掘 的 体 系结 构 及 其技 术 ． 介 绍 了 它们 在 个性 化 站 点 中的 应 用情 况 。 并
一
．
挖掘 是 从 Ｗｅ ｂ数 据 中 发现 用户 使 用 模 式 的 过 程 。 ｂ使 用 挖掘 在 使 用 后退 按 钮 浏 览 网 页 时 ． 如果 欲 浏 览 的 网 页 在缓 存 中恰 好 Ｗｅ 技 术能 够 从服 务 器 浏 览 器 端 的 日志 记 录 和 用 户 的 个 人 信 息 中 自 有副 本 ． 浏 览器 直接 访 问 缓 存 中 的 页 面 副本 ， 对 应 的页 面 访 则 其 动 发现 隐 藏在 数 据 中的 模 式 信 息 、了 解 系 统 的 访 问 模 式 以 及 用 问记 录也 不会 在 日志 中保 存 ． 因此 日志 中保 存 的 访 问记 录 并 不 户 的 行 为模 式 ， 而做 出 预 测性 分 析 。 本 文 将 详 细 介 绍 Ｗｅ 从 ｂ使 能完 整 反 映用 户的 访 问 行 为 。路 径 完 善 的任 务 是 把那 些 遗 漏 的 用 挖掘 技 术及 其 在 个 性 化 站 点 中 的 运 用 。 重要 用 户 访 问记 录补 充 登记 到 日志 中去 ．可 以结 合 站 点 的拓 扑
个 网页浏 览 以及 共 同构 成 什 么样 的 内容 ．主要 依 赖 网站 结 构 内容 挖 掘 、Ｗｅ ｂ结 构 挖 掘 、 ｂ 用挖 掘 闭 Ｗｅ Ｗｅ 使 。 ｂ内容 挖 掘 指从 有 Ｗｅ ｂ资源 中 发 现 信 息 或 知 识 的 过 程 。Ｗｅ ｂ结 构 挖 掘 的 对 象 是 和 内容 的 预处 理 结 果 ． 时 也 需要 利用 内容 服务 器 的 日志记 录 。 路径完善： 由于 本 地 缓 存 和代 理 服 务 器 缓 存 的 存 在 ， 户 用 Ｗｅ ｂ本 身 的超 连 接 。 即对 Ｗｅ ｂ文 档 的结 构 进 行 挖 掘 。Ｗｅ 使 用 ｂ

的一 个 映射 ： 与传统 数 据 和数 据仓 库 相 比 ，Ｗｅ ｂ上 的信 息 是非 结 构 化 或半 结 构 化 的 、动 态 的 并 且 是 容 易造 成 混 淆 的 ，所 以很 难 直 理 。典 型 Ｗ ｅ ｂ数 据 挖掘 的处理 流 程 如 图 １ 下 ： 所 ．
机 、 目标 主 机 、 服 务协 议 端 口等 信息 过
维普资讯
电 孑 商 务
１ 第三方支付 的战略定位问题 。 ． 特别是在政府金融监管与电 子支付市场 的立法方面需要加快完善 ．这决定着第三方支付 的发 展问题 。《 电子支付指引 （ 第一号 ） 》对非金融机构的第三方 电子 支付及 电子商务 支付没有任何约 束 ．这些组织 未能得到有效 管 理。 目前大家都关注 着电子支付指引的第二号、第三号 的出台 在法律上第三方支付能够 找准法律上的身份和地位 这样在市场 竞争中才能够按照规范化流程进行运作和管理 ．并取得更好更健 康的可 持续 性的发展 。
圈 １ Ｗ 曲 数 据 挖 掘 的 处 理 流 程
（ 单 数据 表 ） 订 ．用 来 存放 购 买 者 在 网 上所 下 的订 单情 况 。三 个 数
据 表 的 结 构 如 图 ３所 下
掌 致 说 龋 字 玫
Ｉ Ｄ ａ ｔ ｏ ｕｈ￣
１ 查 找资 源 ： 务是 从 目标 Ｗｅ 文档 中得 到数 据 ．值 得 注意 的 任 ｂ 是 有 时信 息 资源 不 仅限 于在 线 Ｗ ｅ ｂ文档 ．还 包 括 电子 邮 件 、 电子 文 档 、新 闻组 ．或 者 网站 的 日志 数 据甚 至 是 通过 Ｗｅ ｂ形 成 的交 易 数 据 库 中的 数 据 。 ２ 信息 选择 和预 处理 任 务是 从取 得 的 Ｗｅ 资 源 中剔 除无 用信 ｂ 息和 将信 息 进 行必 要 的 整理 。 例 如从 Ｗｅ ｂ文档 中 自动去 除广 告连 接 、去 除 多 余 格 式标 记 、 自动识 别段 落或 者 字 段 并 将 数 据组 织 成

大 多数 情况下 ，只有 日志中 ＨＴＭＬ文件 者 查 询 其 它媒 体 为主 的 网页 除 外 ） 因 ， 此可以通过检查 ＵＲＩ 资源的后缀删除认为
Ｗｂ 挖掘是 ｅ 强恕 ｅ数据％ 掘的蛊娶务丈 巳 Ｙ 据 对 数 据 源 的 不 同 处 理 方 法 ，Ｗ ｅ 日志 与 用 户会话 相关 （ ｂ 但有 些 以浏 览 图片或
维普资讯
邙冒 谯怠２∞ 年募 叠
峨
◇
蕊 －
雌 遁 ∞
｜ ｜ 。
｜
挖 掘技 术及 其应用研 究
何坤鹏 郭海波 北京化工大学信息科 学与技术学 院 １ ０２ ０９ ０
《 罄 甏 罄 霉 罄 魏 纂 《骥 ｜鏊ｇ黎 ｜ ０ ｌ魏 甏 ｜甏霉 ＼ 的 ，而 且数 据 类型 也相 当丰 富 。所 以根 赣 ｜ ｜ ｜ 甏
中 。 ２ １２ 户识 别 用 户 识 别 由于 本地 缓 ．．用
存 、 代 理 服 务 器 和 防 火 墙 的 存 在 ， 使 得
接 预处理再进行挖 掘 。一般来讲 ，不管 件 。 经 过 数 据 净 化 ，数 据 可 以 十 分 集 Ｉ
发现和模式 分析及应用 ，其过程如 图 １ 所
的 规 则 与 模 式 。 因 此 ，数 据 预 处 理 过 程
是保证 Ｗ ｅ ｂ日志挖掘 质量的关键 。 ２ １１ ． ．数据净化 数据净化指删除Ｗｅ ｂ 服 务 器 日志 中与 挖掘 算 法 无 关 的数 据 。
ｌｇ ｏ ｍｉｉ ｇ …。其中 ，Ｗｅ ｎｎ ） ｂ日志挖掘是
研究人 员关注的焦 点 ，通过挖掘 Ｗ ｅ 日 ｂ 志来 发 现 用户访 问模式 及行为 ，可 以实 ｊ
图 １ Ｗｅ ｂ日志挖掘 的过程
７ ８
一