Web使用挖掘在電子商務個性化服務中的應用

萍鄉高等專科學校 王立平 劉艷玲

南昌理工學院 黃斌

Web使用挖掘在電子商務個性化服務中的應用

萍鄉高等專科學校 王立平 劉艷玲

南昌理工學院 黃斌

闡述了目前研究最深入的Web數據挖掘技術—— Web使用挖掘，Web使用挖掘在電子商務服務中的應用價值，提出了基于使用挖掘的電子商務推薦系統，詳細分析了電子商務個性化推薦系統的模式和步驟。

Web使用挖掘 電子商務 應用

互聯網和電子商務市場的迅猛發展，使電子商務管理者收到越來越多大量無序的用戶資源信息。如何對這些信息進行有效挖掘和組織利用，了解客戶的特征、興趣，發現潛在的客戶等等，如何分析和理解用戶Web日志來獲取更具表現力的知識，以指導商業決策行為，成為電子商務經營者和管理者關注的問題。 Web使用挖掘技術可以從海量的結構化和半結構化的數據中提取潛在的有用信息與知識，通過挖掘相關的Web訪問日志記錄并分析其中規律，發現用戶訪問Web頁面的模式，識別用戶的忠實度、滿意度、使用習慣，進而發現潛在用戶，最終提升企業的服務水平、增強服務競爭力。因此，Web挖掘技術為解決上述問題提供了有效途徑，它在新興的電子商務服務領域具有重要的意義。

1 Web數據挖掘

數據挖掘(Web Data Mining)起源于20 世紀90 年代中期，推動其誕生、發展的眾多原因中，對商業數據背后潛在知識的迫切需求和人類分析信息的有限能力之間日益增加的矛盾是其根本動因。[1]Oren Etioni在1996年首次提出了Web數據挖掘這一概念，他認為Web數據挖掘就是數據挖掘在Web中的應用，是從大量的Web文檔和服務中自動發現潛在的、有用的模式或信息。我國廣大學者也一致認同這個說法，將Web數據挖掘看成是數據挖掘技術在Web環境下的應用，是從大量的Web文檔集合和在站點內進行瀏覽的相關數據中發現潛在的、有用的模式或信息。根據數據挖掘的行為不同，Web 數據挖掘可以分為Web內容挖掘、Web結構挖掘和Web使用挖掘三類。

2 Web使用挖掘與推薦系統

Web使用挖掘也稱Web日志挖掘，是通過挖掘相應站點的日志文件和相關數據來發現該站點上的瀏覽者和顧客的行為模式。具體來說，是從用戶的網絡行為中抽取用戶感興趣的模式， 通過對用戶瀏覽網站記錄數據(包括IP地址、訪問頁面、訪問時間等)、日志進行收集、分析和處理，建立用戶行為和興趣模型， 并利用這些模型來理解用戶行為， 從而改進站點結構，包括數據準備、模式識別和模式分析等過程。Web使用挖掘是數據挖掘在Web上的應用，是對Web訪問的挖掘。當前，Web使用挖掘已經成為分析網絡客戶行為最好的方法。作為目前研究最深入的Web使用挖掘技術正逐漸在電子商務領域得到更加廣泛的應用，比如Web日志文件的分析、個性化服務(如電子商品推薦系統)、電子商務網站優化等方面。在Internet電子商務中，將Web使用挖掘應用于電子商務，主要是通過分析客戶訪問服務器上的日志文件，研究電子商務產生的有關客戶的訪問模式、興趣愛好、習慣、特征等方面的不確定性數據。可以說，Web使用挖掘主要通過分析和探究Web日志記錄中的規律來識別電子商務的潛在客戶，提高用戶信息服務的質量并改進Web服務器系統的性能和結構；從用戶訪問Web的記錄中挖掘用戶的興趣關聯規則，統一存放于興趣關聯知識庫之中，以便進一步預測用戶的行為，從而加快用戶獲取頁面的速度，提升用戶的服務體驗。因此，Web使用挖掘可以很好地解決用戶訪問行為建模和用戶訪問行為預測等關鍵問題，可以幫助個性化信息服務的實現。今后，隨著電子商務和Web數據挖掘技術的不斷發展，利用Web使用挖掘更加深入、全面地研究日志中體現的各種用戶行為，比如用戶瀏覽網站的來源網站、訪問的時間、訪問的地址、對每一個網頁的停留時間、對商品單擊次數、是否將商品放入購物車、是否有購買行為等，找出并分析用戶瀏覽模式、興趣、特征等規律，挖掘其中隱含的關系、模式和趨勢，進而發現更具有規律性的、更有價值的知識，甚至預測其發展是電子商務領域的嶄新課題。推薦系統就是根據用戶的個人喜好、使用習慣推薦相關信息和商品的程序，因此，它非常適合用于電子商務領域。一般來說，推薦系統在電子商務活動中的作用可以歸納為以下幾點[2]：(1)把瀏覽者轉變成購買者；(2)增加交叉銷售量；(3)個性化的服務；(4)提高客戶忠誠度。從個性化服務的角度來看，電子商務推薦系統可以實現與用戶進行直接交互，模擬銷售人員推薦商品給廣大用戶，滿足用戶需求，幫助用戶快速找尋出所需商品和相關信息。從不同角度來理解電子商務推薦系統是不同的。對廣大用戶而言，電子商務推薦系統是通過挖掘收集的大量信息，包括用戶的訪問行為、訪問習慣、訪問內容等瀏覽信息，提取用戶的各種特征，獲取用戶訪問Web的模式和規律，動態地調整頁面結構，用戶可以獲得關于商品和信息的主動推薦，獲得滿足個人需求的個性化服務。對于廣大企業而言，企業需要通過獲取用戶的瀏覽、訪問規律，為確定顧客消費的生命周期提供有效依據，為制定合適的、有針對性的營銷策略，為進一步優化網站結構和服務方式提供有效依據。

3 基于Web使用挖掘的電子商務推薦系統

電子商務推薦系統是指根據用戶的興趣特點向用戶推薦其感興趣的信息。基于Web使用挖掘的電子商務推薦系統可以根據用戶模型尋找出相應信息，或者尋找具有類似興趣的用戶群后相互推薦的相關信息。這種電子商務系統所采用的是一種通過挖掘信息尋找用戶的服務模式，可以減少用戶搜集、獲取信息的時間，提高用戶瀏覽效率。基于Web使用挖掘的電子商務推薦系統根據功能的不同可劃分為數據預處理、數據挖掘和推薦三個模塊。

(1)數據預處理階段：此階段包括數據清洗、用戶識別、會話識別、路徑補充、事務識別等過程，是進行Web使用模式挖掘的第一步。

(2)模式挖掘階段：通過關聯規則、聚分類技術、路徑分析技術等算法進行模式挖掘。電子商務推薦系統主要采用事務聚類算法和用戶瀏覽模式挖掘算法。因為事務聚類算法充分考慮了用戶訪問頁面的順序性，保證了聚類的結果更為精確[2]。而用戶瀏覽模式挖掘算法則將頁面興趣度用頁面的訪問時間、頁面的大小、

頁面訪問次數來表示，在此基礎上利用Web訪問矩陣挖掘用戶偏愛路徑[3]。

(3)推薦階段：在線獲取用戶瀏覽、訪問等各種信息，結合用戶配置文件來執行推薦算法，不僅完成推薦頁面的計算與生成，還將這些推薦結果發送給客戶端瀏覽器。具體而言，這個階段具體包括以下幾個步驟：

①給當前用戶分配一個惟一的標識，并記錄當前用戶的訪問序列。

②獲取與分析用戶訪問頁面的信息，推薦引擎生成候選頁面集，或根據用戶訪問頁面情況重新匹配瀏覽、訪問序列，生成新的推薦頁面。

③將候選頁面的推薦度從高到低進行排序，把相關鏈接和頁面描述增加到推薦頁面中。

④通過http服務器發送推薦頁面到客戶端瀏覽器。電子商務推薦系統的模式挖掘階段也可以稱為離線部分，模式挖掘階段則可以稱為在線部分。離線模塊包括數據預處理和總體使用特征獲取。即通過挖掘算法產生知識或規則并以某種形式存儲在媒質中，為在線模塊提供支撐，所以離線模塊是在線模塊的支撐模塊。離線模塊和在線模塊的處理過程沒有很大區別，通過兩模塊的相互作用，此系統可以獲得更實時、更合理、更符合用戶需求的推薦集并呈現給廣大用戶。而離線部分和在線部分的區分，也使得該系統能夠適應海量數據，提供一種更具伸縮能力和更快實時響應速度的個性化推薦服務。同時，由于運用了Web挖掘技術，在某些特殊情況下也能實現高質量的個性化推薦服務比如使用數據比較少，或Web站點內容變化比較頻繁的情況等等。結語Web挖掘可以處理大規模的數據量，并且自動跟蹤用戶訪問行為，這正好適合電子商務個性化服務的要求。隨著互聯網的發展和電子商務的日益普及，人們對于對Web使用記錄的日益重視，Web使用挖掘在電子商務中的應用將更加廣泛和深入，如何深入和擴大Web使用挖掘的研究與應用將是今后幾年的研究課題。

[1] Olaru C,Wehenkel L.Computer applications in power[J].Data Mining,1999,12,(3):19～25．

[2] 黃曉斌.網絡信息挖掘[M].北京:電子工業出版社, 2005.

[3] 業寧,李威.等.一種Web用戶行為聚類算法[J].小型微型計算機系統,2004,25(7):1364～1367.

F724.6

A

1005-5800(2010)11(b)-145-02