劉麗娜等

摘 要 這些年來(lái)網(wǎng)絡(luò)發(fā)展地如此迅猛，為商業(yè)領(lǐng)域帶來(lái)了許多機(jī)會(huì)，影響企業(yè)的發(fā)展。網(wǎng)絡(luò)信息挖掘技術(shù)在電子商務(wù)網(wǎng)站中占有較高的地位。在數(shù)據(jù)挖掘技術(shù)的幫助下，基于對(duì)商業(yè)模式的分析，企業(yè)做出正確的決定。本文探討目前網(wǎng)絡(luò)數(shù)據(jù)挖掘模式在電子商務(wù)方面的影響。分類(lèi)目標(biāo)，分析網(wǎng)絡(luò)數(shù)據(jù)挖掘的功能，并描述在大量網(wǎng)絡(luò)挖掘應(yīng)用中商業(yè)網(wǎng)站的應(yīng)用，這些論點(diǎn)可作為電子商務(wù)實(shí)踐的參考。

關(guān)鍵詞 電子商務(wù) 網(wǎng)絡(luò)數(shù)據(jù)挖掘 網(wǎng)絡(luò)日志

中圖分類(lèi)號(hào)：F713.3 文獻(xiàn)標(biāo)識(shí)碼：A

電子商務(wù)可以是任意一種商業(yè)形式，或通過(guò)網(wǎng)絡(luò)進(jìn)行的包括信息交換的商業(yè)交易。它覆蓋了各種商業(yè)形式，從基于站點(diǎn)的來(lái)自于企業(yè)之間的進(jìn)行的貿(mào)易和服務(wù)的商業(yè)交換。

數(shù)據(jù)挖掘是從數(shù)據(jù)庫(kù)或其它數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)的大量數(shù)據(jù)中發(fā)現(xiàn)如模式，結(jié)構(gòu)，聯(lián)系和變化等。數(shù)據(jù)挖掘作為知識(shí)發(fā)現(xiàn)的同義詞，用于商業(yè)者處理大量數(shù)據(jù)和子結(jié)果，并發(fā)現(xiàn)它的規(guī)律。數(shù)據(jù)挖掘從有用的信息和知識(shí)庫(kù)中提取出大量的具有噪音的、模糊的、隨機(jī)的和非結(jié)構(gòu)化的數(shù)據(jù)。

1 在電子商務(wù)中網(wǎng)絡(luò)挖掘采用的主要方法

數(shù)據(jù)挖掘技術(shù)基礎(chǔ)是人工智能，而且有一些人工智能有成熟的算法和技術(shù)。例如人工神經(jīng)網(wǎng)絡(luò)，遺傳算法，決策樹(shù)，相鄰檢索方法，基于決定的規(guī)則和模糊邏輯等應(yīng)用。這些復(fù)雜度和難度比人工智能低得多，網(wǎng)絡(luò)數(shù)據(jù)挖掘主要用于挖掘用戶(hù)的訪問(wèn)信息，并獲得有用的市場(chǎng)信息，調(diào)整網(wǎng)頁(yè)設(shè)計(jì)并提供目標(biāo)和個(gè)性化服務(wù)。數(shù)據(jù)挖掘功能有如下三種類(lèi)型：

（1）聚類(lèi)分析

聚類(lèi)指將相似的項(xiàng)目放在一個(gè)群的過(guò)程。這個(gè)過(guò)程是從全部數(shù)據(jù)的一個(gè)集合中用相似的特征聚類(lèi)項(xiàng)目。在做出一套群的決策之后，能產(chǎn)生進(jìn)一步分析數(shù)據(jù)或解決問(wèn)題目的應(yīng)用數(shù)據(jù)。

在商務(wù)環(huán)境中，聚類(lèi)技術(shù)常用于識(shí)別具有相似行為和瀏覽活動(dòng)的客戶(hù)群體。具有相似特征的客戶(hù)，通過(guò)他們的瀏覽信息類(lèi)型，用于在電子商務(wù)環(huán)境產(chǎn)生更好的商業(yè)結(jié)果。

（2）聯(lián)合規(guī)則挖掘

作為一種數(shù)據(jù)挖掘技術(shù)，這些規(guī)則對(duì)于分析客戶(hù)的行為是有幫助的。在購(gòu)物籃數(shù)據(jù)分析中，產(chǎn)生聚類(lèi)，目錄設(shè)計(jì)和規(guī)劃方面扮演著一個(gè)重要的角色。

聯(lián)合規(guī)則常用于從客戶(hù)訪問(wèn)數(shù)據(jù)庫(kù)的結(jié)果中發(fā)現(xiàn)相關(guān)的規(guī)則。像在一個(gè)銀行數(shù)據(jù)庫(kù)中，大多數(shù)的數(shù)據(jù)是：交易的喜好，交易的ID，賬號(hào)，客戶(hù)ID等。相關(guān)的部門(mén)為分析和發(fā)現(xiàn)這些從各種客戶(hù)行為獲得的那些因素的相關(guān)規(guī)則，收集所有交易的信息。

商務(wù)活動(dòng)通過(guò)采用聯(lián)合規(guī)則挖掘分析能做得更好。

（3）發(fā)現(xiàn)分類(lèi)規(guī)則

分類(lèi)過(guò)程的優(yōu)點(diǎn)是數(shù)據(jù)一般特性的提取。

追加新數(shù)據(jù)條目并分類(lèi)。從服務(wù)器日志中能提取出關(guān)于文件訪問(wèn)的信息。商業(yè)者考慮具有相同特征的數(shù)據(jù)被分類(lèi)之后，企業(yè)能夠提高商業(yè)方法，并通過(guò)分析同步客戶(hù)的特征為客戶(hù)提供各種服務(wù)。

2 網(wǎng)絡(luò)日志挖掘應(yīng)用

通過(guò)外掛處理涉及客戶(hù)行為的大量信息，獲得起決定性的興趣，客戶(hù)的習(xí)慣，客戶(hù)的喜好和客戶(hù)群或個(gè)性群體的客戶(hù)要求，根據(jù)這些信息推斷出未來(lái)客戶(hù)的行為，進(jìn)而引導(dǎo)市場(chǎng)來(lái)關(guān)注識(shí)別消費(fèi)群體，以便使電子商務(wù)用戶(hù)更省錢(qián)，提高效率，從中獲得更大的利潤(rùn)。

網(wǎng)絡(luò)日志挖掘主要應(yīng)用于下面幾個(gè)方面：

（1）優(yōu)化網(wǎng)站設(shè)計(jì)

對(duì)于網(wǎng)站設(shè)計(jì)來(lái)說(shuō)，現(xiàn)今設(shè)計(jì)者從網(wǎng)絡(luò)訪問(wèn)者信息中獲取幫助。這些信息幫助設(shè)計(jì)者設(shè)計(jì)出一個(gè)更好的網(wǎng)站。網(wǎng)站的結(jié)構(gòu)和屬性是由客戶(hù)的反映和瀏覽信息決定的。網(wǎng)頁(yè)間的關(guān)聯(lián)更加方便用戶(hù)的訪問(wèn)。

（2）發(fā)現(xiàn)潛在客戶(hù)群

網(wǎng)絡(luò)挖掘具有分類(lèi)網(wǎng)站訪問(wèn)者的優(yōu)點(diǎn)。在網(wǎng)絡(luò)日志的幫助下，分類(lèi)和內(nèi)部關(guān)聯(lián)的作用是決定在他們的普通分類(lèi)中識(shí)別出的潛在客戶(hù)。消費(fèi)者服務(wù)是將個(gè)性化推薦為基礎(chǔ)提供給用戶(hù)。以客戶(hù)推薦為基礎(chǔ)的那些服務(wù)趨向于提高客戶(hù)對(duì)生產(chǎn)者本身的信任，并利于保留老客戶(hù)。

（3）延長(zhǎng)用戶(hù)的駐留時(shí)間

延長(zhǎng)用戶(hù)的訪問(wèn)時(shí)間，識(shí)別更好的瀏覽行為和用戶(hù)的需要。網(wǎng)站擁有者根據(jù)訪問(wèn)者的選擇和喜好，設(shè)計(jì)動(dòng)態(tài)網(wǎng)站，能自動(dòng)地向客戶(hù)推薦網(wǎng)頁(yè)和鏈接。采用這種方法商業(yè)者能提高網(wǎng)站的訪問(wèn)時(shí)間。

（4）節(jié)約操作費(fèi)用

通過(guò)網(wǎng)絡(luò)挖掘，公司能分析客戶(hù)未來(lái)的行為，并產(chǎn)生目標(biāo)電子市場(chǎng)活動(dòng)，根據(jù)用戶(hù)感興趣的任意特殊的產(chǎn)品的瀏覽模型，決定廣告的定位，增加廣告投資的回報(bào)率，獲得可靠的市場(chǎng)回報(bào)，減少公司的運(yùn)營(yíng)費(fèi)用。

3 結(jié)論

這篇論文描述了網(wǎng)絡(luò)日志挖掘技術(shù)和其在電子商務(wù)中的應(yīng)用。數(shù)據(jù)挖掘技術(shù)能識(shí)別有價(jià)值的知識(shí)。通過(guò)這些知識(shí)，商業(yè)用戶(hù)能知道關(guān)于用戶(hù)的行為，分析其在市場(chǎng)中的改變，做出正確的決定。除此之外，在電子商務(wù)環(huán)境中，一些數(shù)據(jù)挖掘方面的問(wèn)題也可以解決。互聯(lián)網(wǎng)是數(shù)據(jù)挖掘技術(shù)中重要的檢索方法。未來(lái)對(duì)于數(shù)據(jù)挖掘檢索的區(qū)域也應(yīng)該包括時(shí)間線(xiàn)和提取規(guī)則的正確性，未來(lái)數(shù)據(jù)私有保護(hù)等。

基金項(xiàng)目支持：

1.省教科合字[2014]第638號(hào) 《Web日志挖掘在電子商務(wù)中的應(yīng)用研究》

2.省教科合字[2014]第637號(hào) 《高?？荚嚬芾硐到y(tǒng)研究》

3. 省教科合字[2014]第634號(hào) 《動(dòng)態(tài)環(huán)境下的多機(jī)器人運(yùn)動(dòng)編隊(duì)控制方法的研究》

4. 省教科合字[2014]第635號(hào) 《主機(jī)信息識(shí)別的入侵檢測(cè)系統(tǒng)的研究》

5. 省教科合字[2014]第636號(hào) 《快速收斂算法及其在欠驅(qū)動(dòng)機(jī)器人步態(tài)規(guī)劃中的應(yīng)用》

參考文獻(xiàn)

[1] Hao Xincheng， Zhang Degang， Zhao Hai.Ecommerce data mining research. Small Microcomputer Science[J]，2007（7） pp786-787.