謝少群

摘要：XML的出現(xiàn)為解決Web數(shù)據(jù)挖掘的難題帶來了機會，由于XML能夠使不同來源的結(jié)構(gòu)化數(shù)據(jù)結(jié)合在一起，使得搜索多樣的數(shù)據(jù)庫成為可能。該文設(shè)計了基于XML的Web日志挖掘系統(tǒng)，通過日志挖掘?qū)嶒瀸﹄娮由虅?wù)網(wǎng)站的產(chǎn)品分布設(shè)置現(xiàn)狀進行分析與評價。

關(guān)鍵詞：電子商務(wù)；數(shù)據(jù)挖掘；XML

中圖分類號：TP313 文獻標識碼：A 文章編號：1009-3044（2014）07-1626-03

數(shù)據(jù)庫領(lǐng)域最活躍的領(lǐng)域之一就是數(shù)據(jù)挖掘，因為其現(xiàn)實意義，使得數(shù)據(jù)挖掘的技術(shù)研究和應用有了很大的發(fā)展，在國內(nèi)外科研領(lǐng)域都備受關(guān)注。隨著Internet技術(shù)的快速發(fā)展，電子商務(wù)發(fā)展的同時使得網(wǎng)絡(luò)資源也隨之迅猛的增長。如何使電子商務(wù)用戶快速有效的利用所需資源，已經(jīng)成為電子商務(wù)網(wǎng)站設(shè)計者急需解決的問題。將數(shù)據(jù)挖掘技術(shù)用于電子商務(wù)管理中幾乎是從數(shù)據(jù)挖掘誕生就注定的，這與電子商務(wù)的特點是密切聯(lián)系的。在電子商務(wù)中應用數(shù)據(jù)挖掘技術(shù)具有極大的實用價值。[1]

1 電子商務(wù)Web日志挖掘模型EC-Web-Mining設(shè)計

1.1 基于XML的Web挖掘模型實現(xiàn)原理

基于XML的Web挖掘模型的思想是把現(xiàn)有的Web頁面或Web日志經(jīng)過數(shù)據(jù)清洗轉(zhuǎn)換成XML格式，并使用數(shù)據(jù)庫工具處理XML 結(jié)構(gòu)的數(shù)據(jù)以抽取出適當可用的數(shù)據(jù)。其主要步驟如下：

1）標識數(shù)據(jù)源（Web頁面或Web日志）。在大多數(shù)情況下，數(shù)據(jù)源信息是易見的，但是要抽取可用的、可靠和穩(wěn)定的信息源就比較困難。

2）查找數(shù)據(jù)的引用點。無論是Web 頁面還是WEB日志視圖中的絕大多數(shù)信息都與抽取信息無關(guān)，需從中抽取出我們需要的數(shù)據(jù)。

3）將數(shù)據(jù)映射成XML。利用數(shù)據(jù)庫工具或算法將數(shù)據(jù)轉(zhuǎn)換成XML格式文檔。

4）合并結(jié)果并處理數(shù)據(jù)。如果只執(zhí)行一次數(shù)據(jù)抽取，按照上述步驟已經(jīng)完成。但是，Web 數(shù)據(jù)挖掘是一個循環(huán)往復的過程，幾次簡單的數(shù)據(jù)抽取還沒有完成數(shù)據(jù)挖掘的任務(wù)。針對Web 數(shù)據(jù)挖掘的特殊性，要不斷地在Internet 上進行數(shù)據(jù)的抽取，并將結(jié)果合并為XML 數(shù)據(jù)文件，必要時還得將XML格式文件轉(zhuǎn)換為結(jié)構(gòu)化的關(guān)系數(shù)據(jù)庫。[2]

1.2 基于XML的Web挖掘模型

3）用戶會話識別模塊

用戶會話識別模塊將把清洗過的日志文件數(shù)據(jù)記錄識別成多個用戶，以方便利用挖掘算法進行挖掘。一般被采用的方法是基于日志/站點的方法。

4） XML轉(zhuǎn)換模塊

該模塊將預處理過、進行過用戶會話識別的日志文件轉(zhuǎn)換成XML格式的文件。主要是將清洗過的日志文件通過Visual C#代碼TxtToXml類轉(zhuǎn)換為XML格式的文件，程序的功能是先讀出日志文件里面的數(shù)據(jù)，經(jīng)過分隔符將數(shù)據(jù)按字段分隔并存入到數(shù)組中，最后將各數(shù)組的內(nèi)容加XML標記一起寫入到生成的XML文件中。

5） XML數(shù)據(jù)導入模塊

該模塊將XML格式的文件數(shù)據(jù)通過SQL代碼導入到MS SQL Server2005的數(shù)據(jù)庫中，形成日志數(shù)據(jù)表以方便進行數(shù)據(jù)挖掘。主要包括XML文件格式的轉(zhuǎn)換導入和日志數(shù)據(jù)表的生成操作兩大功能。

6） 數(shù)據(jù)挖掘模塊

該模塊利用數(shù)據(jù)挖掘算法對數(shù)據(jù)進行挖掘，主要包括算法的優(yōu)化、日志數(shù)據(jù)表的刪除操作以及挖掘結(jié)果集的保存與刪除操作等。這里主要用到的算法是Apriori優(yōu)化算法—基于頻繁鏈表的頻繁集的挖掘算法[3]，主要是利用Apriori算法發(fā)現(xiàn)頻繁項集，通過對頻繁項集的分析來得出電子商務(wù)網(wǎng)站中哪些產(chǎn)品是客戶最喜歡點擊和購買的，從而可以適當?shù)卣{(diào)整產(chǎn)品在網(wǎng)站中的分布，來提高銷售量。

3 小結(jié)

本文主要是研究基于Web數(shù)據(jù)挖掘技術(shù)的電子商務(wù)數(shù)據(jù)挖掘模型，主要的工作是對Web訪問信息挖掘技術(shù)進行了深入的研究，發(fā)現(xiàn)電子商務(wù)網(wǎng)站中用戶的訪問信息和在電子商務(wù)網(wǎng)站中針對用戶實現(xiàn)頁面合理布局。

參考文獻：

[1] Serge Abiteboul， Dallan Quass， Jason McHugh， et al. The Lorel Query Language for Semistructured Data[J]. International Journalon Digital Libraries，1997，1（4）：68-88.

[2] 張光輝.XML與Web 數(shù)據(jù)挖掘分析[J].中原工學院學報，2002，13（4）：61-64.

[3] 袁鼎榮，張師超.基于頻繁鏈表的頻繁集的挖掘算法[J].計算機科學，2003（7）：165-166.