Web數據挖掘技術探析論文

時間：2024-10-22 22:11:44 Web Services

Web數據挖掘技術探析論文

　　在日復一日的學習、工作生活中，大家或多或少都會接觸過論文吧，論文對于所有教育工作者，對于人類整體認識的提高有著重要的意義。那么你知道一篇好的論文該怎么寫嗎？以下是小編收集整理的Web數據挖掘技術探析論文，供大家參考借鑒，希望可以幫助到有需要的朋友。

Web數據挖掘技術探析論文

　　Web數據挖掘技術探析論文篇1

　　引言

　　當前，隨著網絡技術的發展和數據庫技術的迅猛發展，有效推動了商務活動由傳統活動向電子商務變革。電子商務就是利用計算機和網絡技術以及遠程通信技術，實現整個商務活動的電子化、數字化和網絡化。基于Internet的電子商務快速發展，使現代企業積累了大量的數據，這些數據不僅能給企業帶來更多有用信息，同時還使其他現代企業管理者能夠及時準確的搜集到大量的數據。訪問客戶提供更多更優質的服務，成為電子商務成敗的關鍵因素，因而受到現代電子商務經營者的高度關注，這也對計算機web數據技術提出了新的要求，Web數據挖掘技術應運而生。它是一種能夠從網上獲取大量數據，并能有效地提取有用信息供企業決策者分析參考，以便科學合理制定和調整營銷策略，為客戶提供動態、個性化、高效率服務的全新技術。目前，它已成為電子商務活動中不可或缺的重要載體。

　　計算機web數據挖掘概述

　　1.計算機web數據挖掘的由來

　　計算機Web數據挖掘是一個在Web資源上將對自己有用的數據信息進行篩選的過程。Web數據挖掘是把傳統的數據挖掘思想和方法移植到Web應用中，即從現有的Web文檔和活動中挑選自己感興趣且有用的模式或者隱藏的數據信息。計算機Web數據挖掘可以在多領域中展示其作用，目前已被廣泛應用于數據庫技術、信息獲取技術、統計學、人工智能中的機器學習和神經網絡等多個方面，其中對商務活動的變革起到重大的推動作用方面最為明顯。

　　2.計算機Web數據挖掘含義及特征

　　(1)Web數據挖掘的含義

　　Web數據挖掘是指數據挖掘技術在Web環境下的應用，是一項數據挖掘技術與WWW技術相結合產生的新技術，綜合運用到了計算機語言、Internet、人工智能、統計學、信息學等多個領域的技術。具體說，就是通過充分利用網絡(Internet)，挖掘用戶訪問日志文件、商品信息、搜索信息、購銷信息以及網絡用戶登記信息等內容，從中找出隱性的、潛在有用的和有價值的信息，最后再用于企業管理和商業決策。

　　(2)Web數據挖掘的特點

　　計算機Web數據挖掘技術具有以下特點：一是用戶不用提供主觀的評價信息;二是用戶“訪問模式動態獲取”不會過時;三是可以處理大規模的數據量，并且使用方便;四是與傳統數據庫和數據倉庫相比，Web是一個巨大、分布廣泛、全球性的信息服務中心。

　　(3)計算機web數據挖掘技術的類別

　　web數據挖掘技術共有三類：第一類是Web使用記錄挖掘。就是通過網絡對Web日志記錄進行挖掘，查找用戶訪問Web頁面的模式及潛在客戶等信息，以此提高其站點所有服務的競爭力。第二類是Web內容挖掘。既是指從Web文檔中抽取知識的過程。第三類是Web結構挖掘。就是通過對Web上大量文檔集合的內容進行小結、聚類、關聯分析的方式，從Web文檔的組織結構和鏈接關系中預測相關信息和知識。

　　計算機web數據挖掘技術與電子商務的關系

　　借助計算機技術和網絡技術的日臻成熟，電子商務正以其快速、便捷的特點受到越來越多的企業和個人的.關注。隨著電子商務企業業務規模的不斷擴大，電子商務企業的商品和客戶數量也隨之迅速增加，電子商務企業以此獲得了大量的數據，這些數據正成為了電子商務企業客戶管理和銷售管理的重要信息。為了更好地開發和利用這些數據資源，以便給企業和客戶帶來更多的便利和實惠，各種數據挖掘技術也逐漸被應用到電子商務網站中。目前，基于數據挖掘(特別是web數據挖掘)技術構建的電子商務推薦系統正成為電子商務推薦系統發展的一種趨勢。

　　計算機web數據挖掘在電子商務中的具體應用

　　(1)電子商務中的web數據挖掘的過程

　　在電子商務中，web數據挖掘的過程主要有以下三個階段：既是數據準備階段、數據挖掘操作階段、結果表達和解釋階段。如果在結果表達階段中，分析結果不能讓電子商務企業的決策者滿意，就需要重復上述過程，直到滿意為止。

　　(2)Web數據挖掘技術在電子商務中的應用

　　目前，電子商務在企業中得到廣泛應用，極大地促進了電子商務網站的興起，經過分析一定時期內站點上的用戶的訪問信息，便可發現該商務站點上潛在的客戶群體、相關頁面、聚類客戶等數據信息，企業信息系統因此會獲得大量的數據，如此多的數據使Web數據挖掘有了豐富的數據基礎，使它在各種商業領域有著更加重要的實用價值。因而，電子商務必將是未來Web數據挖掘的主攻方向。Web數據挖掘技術在電子商務中的應用主要包含以下幾方面：

　　一是尋找潛在客戶。電子商務活動中，企業的銷售商可以利用分類技術在Internet上找到潛在客戶，通過挖掘Web日志記錄等信息資源，對訪問者進行分類，尋找訪問客戶共同的特征和規律，然后從已經存在的分類中找到潛在的客戶。

　　二是留住訪問客戶。電子商務企業通過商務網站可以充分挖掘客戶瀏覽訪問時留下的信息，了解客戶的瀏覽行為，然后根據客戶不同的愛好和要求，及時做出讓訪問客戶滿意的頁面推薦和專屬性產品，以此來不斷提高網站訪問的滿意度，最大限度延長客戶駐留的時間，實現留住老客戶發掘新客戶的目的。

　　三是提供營銷策略參考。通過Web數據挖掘，電子商務企業銷售商能夠通過挖掘商品訪問情況和銷售情況，同時結合市場的變化情況，通過聚類分析的方法，推導出客戶訪問的規律，不同的消費需求以及消費產品的生命周期等情況，為決策提供及時而準確的信息參考，以便決策者能夠適時做出商品銷售策略調整，優化商品營銷。

　　四是完善商務網站設計。電子商務網站站點設計者能夠利用關聯規則，來了解客戶的行為記錄和反饋情況，并以此作為改進網站的依據，不斷對網站的組織結構進行優化來方便客戶訪問，不斷提高網站的點擊率。

　　結語

　　本文對Web數據挖掘技術進行了綜述，講述了其在電子商務中廣泛應用。可以看出，隨著計算機技術和數據庫技術快速發展，計算機Web數據技術的應用將更加廣泛，Web數據挖掘也將成為非常重要的研究領域，研究前景巨大、意義深遠。目前，我國的Web數據應用還處于探索和起步階段，還有許多問題值得深入研究。

　　Web數據挖掘技術探析論文篇2

　　摘要：該文通過介紹電子商務及數據挖掘基本知識，分別從幾個方面分析了電子商務中WEB數據挖掘技術的應用。

　　關鍵詞：電子商務；數據挖掘；應用

　　1概述

　　電子商務是指企業或個人以網絡為載體，應用電子手段，利用現代信息技術進行商務數據交換和開展商務業務的活動。隨著互聯網的迅速發展，電子商務比傳統商務具有更明顯的優勢，由于電子商務具有方便、靈活、快捷的特點，使它已逐漸成為人們生活中不可缺少的活動。目前電子商務平臺網站多，行業競爭強，為了獲得更多的客戶資源，電子商務網站必須加強客戶關系管理、改善經營理念、提升售后服務。數據挖掘是從數據集中識別出隱含的、潛在有用的、有效的，新穎的、能夠被理解的信息和知識的過程。由數據集合做出歸納推理，從中挖掘并進行商業預判，能夠幫助電子商務企業決策層依據預判，對市場策略調整，將企業風險降低,從而做出正確的決策，企業利潤將最大化。隨著電子商務的應用日益廣泛，電子商務活動中會產生大量有用的數據，如何能夠數據挖掘出數據的參考價值？研究客戶的興趣和愛好，對客戶分門別類，將客戶心儀的商品分別推薦給相關客戶。因此,如何在電子商務平臺上進行數據挖掘成為研究的熱點問題。

　　2數據挖掘技術概述

　　數據挖掘（DataMining），也稱數據庫中的知識發現（KnowledgeDiscoveryinDatabase，KDD）。數據挖掘一般是指從海量數據中應用算法查找出隱藏的、未知的信息的過程。數據挖掘是一個在大數據資源中利用分析工具發現模型與數據之間關系的一個過程，數據挖掘對決策者尋找數據間潛在的某種關聯，發現隱藏的因素起著關鍵作用。這些模式是有潛在價值的、并能夠被理解的。數據挖掘將人工智能、機器學習、數據庫、統計、可視化、信息檢索、并行計算等多個領域的理論與技術融合在一起的一門多學科交叉學問，這些學科也對數據挖掘提供了很大的技術支撐。

　　3Web數據挖掘特點

　　Web數據挖掘就是數據挖掘在Web中的應用。Web數據挖掘的目的是從萬維網的網頁的內容、超鏈接的結構及使用日志記錄中找到有價值的數據或信息。依據挖掘過程中使用的數據類別，Web數據挖掘任務可分為：Web內容挖掘、Web結構挖掘、Web使用記錄挖掘。

　　1）Web內容挖掘指從網頁中提取文字、圖片或其他組成網頁內容的信息，挖掘對象通常包含文本、圖形、音視頻、多媒體以及其他各種類型數據。

　　2）Web結構挖掘是對Web頁面之間的結構進行挖掘，挖掘描述內容是如何組織的，從Web的超鏈接結構中尋找Web結構和頁面結構中的有價值模式。例如從這些鏈接中，我們可以找出哪些是重要的網頁，依據網頁的主題，進行自動的聚類和分類，為了不同的目的從網頁中根據模式獲取有用的信息，從而提高檢索的質量及效率。

　　3）Web使用記錄挖掘是根據對服務器上用戶訪問時的訪問記錄進行挖掘的方法。Web使用挖掘將日志數據映射為關系表并采用相應的數據挖掘技術來訪問日志數據，對用戶點擊事件的搜集和分析發現用戶導航行為。它用來提取關于客戶如何瀏覽和使用訪問網頁的鏈接信息。如訪問了哪些頁面？在每個頁面中所停留的時間？下一步點擊了什么？在什么樣的路線下退出瀏覽的？這些都是Web使用記錄挖掘所關心要解決的問題。

　　4電子商務中Web挖掘中技術的應用分析

　　1）電子商務中序列模式分析的應用

　　序列模式數據挖掘就是要挖掘基于時間或其他序列的模式。如在一套按時間順序排列的會話或事務中一個項目有存在跟在另一個項目后面。通過這個方法，WEB銷售商可以預測未來的訪問模式，以幫助針對特定用戶組進行廣告排放設置。發現序列模式容易使客戶的行為被電子商務的組織者預測，當用戶瀏覽站點時，盡可能地迎合每個用戶的瀏覽習慣并根據用戶感興趣的內容不斷調整網頁，盡可能地使每個用戶滿意。使用序列模式分析挖掘日志，可以發現客戶的訪問序列模式。在萬維網使用記錄挖掘應用中，序列模式挖掘可以用于捕捉用戶路徑之中常用的導航路徑。當用戶訪問電子商務網站時，網站管理員能夠搜索出這個訪問者的對該網站的訪問序列模式，將訪問者感興趣但尚未瀏覽的頁面推薦給他。序列模式分析還能分析出商品購買的前后順序，從而向客戶提出推薦。例如在搜索引擎是發出查詢請求、瀏覽網頁信息等，會彈出與這些信息相關的廣告。例如購買了打印機的用戶，一般不久就會購買如打印紙、硒鼓等打印耗材。優秀的推薦系統將為客戶建立一個專屬商店,由每個客戶的特征來調整網站的內容。也能由挖掘出的一些序列模式分析網站及產品促銷的'效果。

　　2）電子商務中關聯規則的應用

　　關聯規則是揭示數據之間隱含的相互關系，關聯分析的任務是發現事物間的關聯規則或相關程序。關聯規則挖掘的目標是在數據項目中找出每一個數據信息的內在關系。關聯規則挖掘就是要搜索出用戶在服務器上訪問的內容、頁面、文件之間的聯系，從而改進電子商務網站設計。可以更好在組織站點，減少用戶過濾網站信息的負擔，哪些商品顧客會可能在一次購物時同時購買？關聯規則技術能夠通過購物籃中的不同商品之間的聯系，分析顧客的購物習慣。例如購買牛奶的顧客90%會同時還購買面包，這就是一條關聯規則，如果商店或電子商務網站將這兩種商品放在一起銷售，將會提高它們的銷量。關聯規則挖掘目標是利用工具分析出顧客購買商品間的聯系，也即典型購物籃數據分析應用。關聯規則是發現同類事件中不同項目的相關性，例如手機加充電寶，鼠標加鼠標墊等購買習慣就屬于關聯分析。關聯規則挖掘技術可以用相應算法找出關聯規則，例如在上述例子中，商家可以依據商品間的關聯改進商品的擺放，如果顧客購買了手機則將充電寶放入推薦的商品中，如果一些商品被同時購買的概率較大，說明這些商品存在關聯性，商家可以將這些有關聯的商品鏈接放在一起推薦給客戶,有利于商品的銷售，商家也根據關聯有效搭配進貨，提升商品管理水平。如買了燈具的顧客，多半還會購買開關插座，因此，一般會將燈具與開關插座等物品放在一個區域供顧客選購。依據分析找出顧客所需要的商品的關聯規則，由挖掘分析結果向顧客推薦所需商品，也即向顧客提出可能會感興趣的商品推薦，將會大大提高商品的銷售量。

　　3）電子商務中路徑分析技術的應用

　　路徑分析技術通過對Web服務器的日志文件中客戶訪問站點的訪問次數的分析，用來發現Web站點中最經常訪問的路徑來調整站點結構，從而幫助使用用戶以最快的速度找到其所需要的產品或是信息。例如在用戶訪問某網站時，如果有很多用戶不感興趣的頁面存在，就會影響用戶的網頁瀏覽速度，從而降低用戶的瀏覽興趣，同時也會使整個站點的維護成本提高。而利用路徑分析技術能夠全面地掌握網站各個頁面之間的關聯以及超鏈接之間的聯系，通過分析得出訪問頻率最高的頁面，從而改進網站結構及頁面的設計。

　　4）電子商務中分類分析的應用

　　分類技術在根據各種預定義規則進行用戶建模的Web分析應用中扮演著很重要的角色。例如，給出一組用戶事務，可以計算每個用戶在某個期間內購買記錄總和。基于這些數據，可以建立一個分類模型，將用戶分成有購買傾向和沒有購買傾向兩類，考慮的特征如用戶統計屬性以及他們的導航活動。分類技術既可以用于預測哪些購買客戶對于哪類促銷手段感興趣，也可以預測和劃分顧客類別。在電子商務中通過分類分析，可以得知各類客戶的興趣愛好和商品購買意向，因而發現一些潛在的購買客戶，從而為每一類客戶提供個性化的網絡服務及開展針對性的商務活動。通過分類定位模型輔助決策人員定位他們的最佳客戶和潛在客戶，提高客戶滿意度及忠誠度，最大化客戶收益率，以降低成本，增加收入。

　　5）電子商務中聚類分析的應用

　　聚類技術可以將具有相同特征的數據項聚成一類。聚類分析是對數據庫中相關數據進行對比并找出各數據之間的關系，將不同性質特征的數據進行分類。聚類分析的目標是在相似的基礎上收集數據來分類。根據具有相同或相似的顧客購買行為和顧客特征，利用聚類分析技術將市場有效地細分，細分后應可每類市場都制定有針對性的市場營銷策略。聚類分別有頁面聚類和用戶聚類兩種。用戶聚類是為了建立擁有相同瀏覽模式的用戶分組，可以在電子中商務中進行市場劃分或給具有相似興趣的用戶提供個性化的Web內容，更多在用戶分組上基于用戶統計屬性（如年齡、性別、收入等）的分析可以發現有價值的商業智能。在電子商務中將市場進行細化的區分就是運用聚類分析技術。聚類分析可根據顧客的購買行為來劃分不同顧客特征的不同顧客群，通過聚類具有類似瀏覽行為的客戶，讓市場人員對顧客進行類別細分，能夠給顧客提供更人性化的貼心服務。比如通過聚類技術分析，發現一些顧客喜歡訪問有關汽車配件網頁內容，就可以動態改變站點內容，讓網絡自動地給這些顧客聚類發送有關汽車配件的新產品信息或郵件。分類和聚類往往是相互作用的。在電子商務中通過聚類行為或習性相似的顧客，給顧客提供更滿意的服務。技術人員在分析中先用聚類分析將要分析的數據進行聚類細分，然后用分類分析對數據集合進行分類標記，再將該標記重新進行分類，一直如此循環兩種分析方法得到相對滿意的結果。

　　5結語

　　隨著互聯網的飛速發展，大數據分析應用越來越廣。商業貿易中電子商務所占比例越來越大，使用web挖掘技術對商業海量數據進行挖掘處理，分析客戶購買喜好、跟蹤市場變化，調整銷售策略，對決策者做出有效決策及提高企業的市場競爭力有重要意義。

　　參考文獻：

　　[1]龐英智.Web數據挖掘技術在電子商務中的應用[J].情報科學,2011,29(2):235-240.

　　[2]馬宗亞,張會彥.Web數據挖掘技術在電子商務中的應用研究[J].現代經濟信息,2014(6):23-24.

　　[3]徐劍彬.Web數據挖掘技術在電子商務中的應用[J].時代金融，2013(4):234-235.208

　　[4]周世東.Web數據挖掘在電子商務中的應用研究[D].北京交通大學,2008.

　　[5]段紅英.Web數據挖掘技術在電子商務中的應用[J].隴東學院學報,2009(3):32-34.

【Web數據挖掘技術探析論文】相關文章：

Web 2.0技術的內容08-13

面向電子商務的Web日志挖掘系統09-27

客戶關系管理數據挖掘與應用10-20