在电子商务中应用Web数据挖掘技术分析

琚慧婷

摘要：物联网、云空间等技术在互联网技术的发展背景下也呈现出高速发展的态势，同时也出现了严重的数据膨胀情况。经济一体化发展使企业管理人员能更加专注于客户服务，为了实现以上目标，需要建立和开发电子商务网站和平台。此次研究主要是探讨分析在电子商务中应用Web数据挖掘技术的价值和效果，希望能够对相关人员起到参考性价值。

关键词：电子商务;Web数据挖掘技术;推荐系统

从本质上讲，数据挖掘技术是在数据中寻找正确解释，即从数据中获取相关知识，因此数据挖掘技术也被称为知识提取和数据分析等。数据挖掘技术主要是借助先进技术分析和处理数据信息。在当前化学分子式识别领域，农业领域，科技领域以及国家安全领域等均已广泛应用数据挖掘技术。而对于电子商务的数据分析工具来说，其能够有效捕获收集二维码扫描，微信微博转发记录以及购物网站浏览历史等。因此数据分析软件能够处理海量数据，因此电子商务网站能够通过数据分析对用户网购行为，按照用户购买习惯推荐相关商品，使其能够在较短时间内获得经济效益。

一、电子商务中的Web数据挖掘分析

（一）电子商务的特点

电子商务是以网络为基础，是传统商务活动利用互联网环境所展开的商务活动，其能够利用工具对客户购物历史数据进行分析，统计客户的购物习惯，发现用户的购物习惯。电子商务应用服务主要包含广告，体验，口碑以及趣味等营销服务。电子商务的数据挖掘系统是在商务活动过程中深入数据挖掘技术。但是相比于传统商务活动，电子商务活动也存在较多特点：第一，从系统内部数据源来说，在电子商务中应用数据挖掘技术需要处理多类复杂型数据;第二，从应用系统云环境中能够看出，现代电子商业企业的特征表现在碎片化，异构性信息方面;第三，在当前电子商务中，用户类型多样化已经成为主要矛盾问题。

（二）Web数据挖掘过程

在电子商务背景下，Web数据挖掘过程需要经过以下几个步骤：

第一，明确挖掘任务并建立模型。规格化处理数据是建立模型的主要任务，借助不同的算法、调整参数等措施，对挖掘任务进行优化。从本质上讲，数据挖掘技术属于多次循环迭代的过程，目的是保证评估模型的准确性。

第二，数据源。网站运行中，会产生大量数据，如交易数据、访问记录等，所以挖掘结果对数据数量、质量的影响较大。Web结构中，Web客户端数据通过子服务器最终会上传至Web服务器，因此客户端数据最终影响网站运行。

第三，数据预处理。主要是为了加强挖掘效率，确保挖掘数据的有效性，并且保障各项结果的合理性。因此Web文档数据大多数都是非结构化或者半结构化，这样就无法直接处理Web数据。采集Web数据需要按照挖掘主题选择适宜的数据项，通过筛选时数据范围逐渐缩小。其次，Web数据也具备冗余性、模糊性及不完全性特点，对不完全项、对模糊项和冗余进行处理，去除无用的、不合理的数据，保证最终数据满足要求。

第四，模式发现。选择Web挖掘工具及算法时，主要依据的是数据挖掘需求，保证数据集中的模型及知识具备应用潜力及价值。Web挖掘算法中主要包含关联规则（发现关联知识，明确网页关系）;路径分析（发现Web站点中访问频率最多的路径）;分类算法和聚类算法（对数据实施分组）;序列模式（可以对交易集之间有时间序列关系的模式进行挖掘和分析）。

第五，模式分析：能够验证，解释及说明所发现的模型，确保决策中各项信息的有用性。依据模式分析及反馈，通过对上述步骤反复进行操作，深入挖掘知识，确保获得最佳的结果。

第六，结果可视化。Web数据挖掘的价值不仅在于获取海量数据信息，还可以按照最易理解和消化的方式将所获取的模型和知识展现给用户，这就表明Web数据挖掘能够实现结果可视化。数据可视化能够利用图形化手段，并且深入分析数据本身和内在关系和模式，将信息直接传达给用户。

二、Web数据挖掘在电子商务中的应用

在电子商务中应用Web数据挖掘技术，能够对网站页面和结构实施优化，还可以增加交叉销售量，将网站浏览人员转变为消费人员。除此之外还可以为用户提供个性化服务。

第一，对站点访问频率的影响：通过分析Web结构和日志能够进一步分析Web网页间的引用关系，组织关系和超链接关系，这样能够对用户页面浏览情况以及行为模式进行深度挖掘，还能够评估购物网站页面的重要性。帮助商业对现有的页面布局和结构特点实施优化调整，这样能够改善Web站点设计效果，从根本上提升访问效率，提升用户注意力。

第二，给予个性化服务，电子商务的快速发展给予用户多种选择权。现阶段，购物网站所面临的商品类型逐渐增多，网站结构也趋于复杂性，因此用户为了寻找到称心称意商品的难度比较大。电子商务网站在发展期间所推出了个性化服务能够帮助其吸引较多用户，避免用户流失所导致经济受损情况发生。电子商务网站可以应用协同过滤算法，此项技术能够帮助网站建立个性化推荐系统，并且能够制定出较多新型营销措施。

第三，商品推荐服务。运用数据挖掘技术时，可利用多种规则，对用户访问数据进行分析，发现商品之间的联系。从而得到用户满意的商品。然后通过用户购买商品的兴趣度为其推荐相应的商品。利用智能推薦系统，确保用户在短时间内浏览和购买到满意商品，并且能够在一定程度上提升商家的交叉销售量。

第四，识别潜在客户。通过分析客户关系属性、相互关系及类别数据，建立分类模型。按照分类模型对新用户正确分类，判别潜在用户类别。

第五，理解客户用途：通过对用户浏览路径分等数据源进行分析，之后通过路径游历模式进行算法分析，这样能够及时发现路径中被频繁访问的路径，深入分析出用户的实际浏览意图。

三、Web挖掘推荐系统设计

推荐系统主要包含商品推荐，个性化商品信息推荐以及喜好提供等。商务网站与用户之间保持持续不断发展关系。用户为了确保服务质量的优质性，商务网站为了增加销售利润，利用推荐系统能够将商品浏览者转变为潜在购买人员，这样能够向相关用户提供商品服务。用户在浏览商品时若时常得到优质的推荐信息，可以在一定程度上改善用户的购物体验。Web用户能够通过Web浏览器连接信息服务器，为客户提供多种选择权。交叉销售的难点在于确保向用户推荐的各项信息均正确。如果产品目录比较小，可以通过销售经验提供相关建议。如果产品数量比较多，则会增加问题复杂程度。

（一）访问数据模块设计

访问数据模块可以提供统一数据访问接口。不同使用者和数据源也产生不同的外部数据。因此其能够有效结合交互用户模块和架构应用模块，这样能够有效访问本机数据，业务数据，外部数据等。该系统主要应用数据库技术的嵌入和连接访问数据模块中的异质数据和异构数据。首先，对于数据扫模块来说，能够分析用户添加购物车后又删除掉，存在交叉销售类型以及浏览商品类型。以上信息能够组建为数据收集源。其主要包含服务器数据，查询数据以及代理服务器数据等。第二，数据预处理。推荐系统中数据并非收集完成之后就立即使用，而是需要对其实施预处理。由于Web数据量比较大，缺乏统一化结构。因此应用数据预处理措施能够确保数据准确性，正确反映出用户意图。

（二）应用模块

在整理数据后，需要按照相关需求对数据潜在信息进行挖掘，这样能够帮助决策建立，从本质上讲，应用模块属于数据挖掘系统。其中任务调度模块是应用模块的处理中心。在接收到用户点击页请求之后，任务调度模块能够理解和判断各项任务，之后将算法插件应用到该模块中。算法插件中的数据源于数据访问模块。应用模块能够按照数据挖掘运算结果处理模型，之后将预测结果传输交互用户模块。在算法插件中包含多种完整数据挖掘算法。

（三）系统算法分析

第一，Apriori算法：应用该算法主要包括两个过程，其中关键过程在于按照最小支持度寻找出数据集中频集;其二是按照最小置信度和频繁项目集建立关联规则。通过该项规则挖掘数据会产生较多模式信息，因此在知识管理中，关联规则具有重要作用。关联规则的数据集能够达到GB级，频繁输入输出能够体现出效率，这样将会对商品内在关联规则产生影响，因此在实际应用关联规则时需要减少输入输出操作。在此期间，需要适当缩短计算支持度的项目集数量，这样能够进一步缩短计算和存储空间。

第二，改进Apriori算法：Apriori算法中的显著问题在于需要对数据库进行重复扫描，这样会产生较多候选项集，还会在一定程度上提升系统负载能力，延长处理时间，所以候选集中项集需要对内存进行合理划分，为了全面医生管理规则的效率，需要从数据库快速扫描技术和方法方面入手。在對Apriori算法实施改进之后，在运行过程中可以先对辅助表进行扫描，不会对辅助表中的不必要记录进行扫描，这样能够在较大程度上提升效率。

（四）改进算法在推荐系统中应用

Apriori算法改进算法能够在电子商务推荐系统中应用，如果推荐系统在短时间内获取到用户对网站进行浏览访问，就能够将页面推荐给客户。首先能够针对用户访问顺序进行编码处理;之后对用户信息进行编码，这样就能够形成相应的数据库。在满足用户的各项需求之后能够合理选择商品。客户端显示的页面会按照客户类别，比如购买客户和浏览客户，这样就能够在用户交互模块中显示推荐页面。

四、结束语

综上所述，数据化时代的到来，使得大数据技术被广泛应用在各行业领域，借助大数据技术所建立的电子商务平台能够实现数据量存储，应用和开发，充分挖掘出数据的价值。因此应用数据挖掘技术能够帮助人们从海量数据中寻找出内在规律性。此次研究通过电子商务中的Web数据挖掘概念特点分析，在此基础之上针对电子商务系统中的推荐系统进行介绍分析，全面阐述了Web数据挖掘技术在电子商务系统中的应用价值，希望能够促进我国电子商务行业的发展。

参考文献：

[1]廉祥丽.数据挖掘在电子商务客户关系管理中的应用分析[J].电子技术与软件工程，2016，22 （01）：179-180.

[2]孙赫强，荣楠楠.浅析数据挖掘在电子商务客户关系管理中的运用[J].科技资讯，2018，16 （17）：121+123.

[3]余伟，刘莲，陶云杰.基于共词聚类的家具企业电子商务营销数据挖掘[J].电子商务，2018，17 （02）：31-32.

[4]王洪艳.大数据背景下电子商务专业数据挖掘课程教学思考[J].现代商贸工业，2017，23 （28）：174-176.

[5]王馨晨.大数据背景下数据挖掘技术在电子商务营销拓展中的应用——以某网商企业为例[J].生产力研究，2017，10 （04）：64-67.

[6]王鑫.跨行业数据挖掘在农产品电子商务中的应用研究[J].山东行政学院学报，2016，25 （01）：74-76+60.

[7]柳华梅，林冬生.数据挖掘技术在移动电子商务用户群体特征分析中的运用[J].现代商业，2016，15 （17）：33-34.

[8]徐曼.DT时代下电子商务营销对数据挖掘利用的重要性与方法分析[J].全国商情（经济理论研究），2016，22 （08）：24-25.