Web日志挖掘在电子商务环境中的影响

刘丽娜等

摘 要 这些年来网络发展地如此迅猛，为商业领域带来了许多机会，影响企业的发展。网络信息挖掘技术在电子商务网站中占有较高的地位。在数据挖掘技术的帮助下，基于对商业模式的分析，企业做出正确的决定。本文探讨目前网络数据挖掘模式在电子商务方面的影响。分类目标，分析网络数据挖掘的功能，并描述在大量网络挖掘应用中商业网站的应用，这些论点可作为电子商务实践的参考。

关键词 电子商务 网络数据挖掘 网络日志

中图分类号：F713.3 文献标识码：A

电子商务可以是任意一种商业形式，或通过网络进行的包括信息交换的商业交易。它覆盖了各种商业形式，从基于站点的来自于企业之间的进行的贸易和服务的商业交换。

数据挖掘是从数据库或其它数据仓库中存储的大量数据中发现如模式，结构，联系和变化等。数据挖掘作为知识发现的同义词，用于商业者处理大量数据和子结果，并发现它的规律。数据挖掘从有用的信息和知识库中提取出大量的具有噪音的、模糊的、随机的和非结构化的数据。

1 在电子商务中网络挖掘采用的主要方法

数据挖掘技术基础是人工智能，而且有一些人工智能有成熟的算法和技术。例如人工神经网络，遗传算法，决策树，相邻检索方法，基于决定的规则和模糊逻辑等应用。这些复杂度和难度比人工智能低得多，网络数据挖掘主要用于挖掘用户的访问信息，并获得有用的市场信息，调整网页设计并提供目标和个性化服务。数据挖掘功能有如下三种类型：

（1）聚类分析

聚类指将相似的项目放在一个群的过程。这个过程是从全部数据的一个集合中用相似的特征聚类项目。在做出一套群的决策之后，能产生进一步分析数据或解决问题目的应用数据。

在商务环境中，聚类技术常用于识别具有相似行为和浏览活动的客户群体。具有相似特征的客户，通过他们的浏览信息类型，用于在电子商务环境产生更好的商业结果。

（2）联合规则挖掘

作为一种数据挖掘技术，这些规则对于分析客户的行为是有帮助的。在购物篮数据分析中，产生聚类，目录设计和规划方面扮演着一个重要的角色。

联合规则常用于从客户访问数据库的结果中发现相关的规则。像在一个银行数据库中，大多数的数据是：交易的喜好，交易的ID，账号，客户ID等。相关的部门为分析和发现这些从各种客户行为获得的那些因素的相关规则，收集所有交易的信息。

商务活动通过采用联合规则挖掘分析能做得更好。

（3）发现分类规则

分类过程的优点是数据一般特性的提取。

追加新数据条目并分类。从服务器日志中能提取出关于文件访问的信息。商业者考虑具有相同特征的数据被分类之后，企业能够提高商业方法，并通过分析同步客户的特征为客户提供各种服务。

2 网络日志挖掘应用

通过外挂处理涉及客户行为的大量信息，获得起决定性的兴趣，客户的习惯，客户的喜好和客户群或个性群体的客户要求，根据这些信息推断出未来客户的行为，进而引导市场来关注识别消费群体，以便使电子商务用户更省钱，提高效率，从中获得更大的利润。

网络日志挖掘主要应用于下面几个方面：

（1）优化网站设计

对于网站设计来说，现今设计者从网络访问者信息中获取帮助。这些信息帮助设计者设计出一个更好的网站。网站的结构和属性是由客户的反映和浏览信息决定的。网页间的关联更加方便用户的访问。

（2）发现潜在客户群

网络挖掘具有分类网站访问者的优点。在网络日志的帮助下，分类和内部关联的作用是决定在他们的普通分类中识别出的潜在客户。消费者服务是将个性化推荐为基础提供给用户。以客户推荐为基础的那些服务趋向于提高客户对生产者本身的信任，并利于保留老客户。

（3）延长用户的驻留时间

延长用户的访问时间，识别更好的浏览行为和用户的需要。网站拥有者根据访问者的选择和喜好，设计动态网站，能自动地向客户推荐网页和链接。采用这种方法商业者能提高网站的访问时间。

（4）节约操作费用

通过网络挖掘，公司能分析客户未来的行为，并产生目标电子市场活动，根据用户感兴趣的任意特殊的产品的浏览模型，决定广告的定位，增加广告投资的回报率，获得可靠的市场回报，减少公司的运营费用。

3 结论

这篇论文描述了网络日志挖掘技术和其在电子商务中的应用。数据挖掘技术能识别有价值的知识。通过这些知识，商业用户能知道关于用户的行为，分析其在市场中的改变，做出正确的决定。除此之外，在电子商务环境中，一些数据挖掘方面的问题也可以解决。互联网是数据挖掘技术中重要的检索方法。未来对于数据挖掘检索的区域也应该包括时间线和提取规则的正确性，未来数据私有保护等。

基金项目支持：

1.省教科合字[2014]第638号 《Web日志挖掘在电子商务中的应用研究》

2.省教科合字[2014]第637号 《高校考试管理系统研究》

3. 省教科合字[2014]第634号 《动态环境下的多机器人运动编队控制方法的研究》

4. 省教科合字[2014]第635号 《主机信息识别的入侵检测系统的研究》

5. 省教科合字[2014]第636号 《快速收敛算法及其在欠驱动机器人步态规划中的应用》

参考文献

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