Apriori算法在商務網站用戶行為分析中的應用

王玉珍，王 倩

（蘭州財經大學信息工程學院，甘肅蘭州730020）

Apriori算法在商務網站用戶行為分析中的應用

王玉珍，王 倩

（蘭州財經大學信息工程學院，甘肅蘭州730020）

在介紹關聯規則的相關概念后分析了關聯規則經典的Apriori算法，探討了Apriori算法在某商務網站用戶行為分析中的具體應用，通過Apriori算法的挖掘結果分析出用戶行為特征，即用戶在點擊購買不同商品時存在著某種必然或者大概率事件，從而改善網站結構，提高用戶滿意度.

關聯規則；Apriori算法；用戶行為

2013年，全球網民總數量已超過20億，將近全球總人口的三分之一.在歐美國家，90%以上的企業都建立了自己的網站，通過網絡尋找客戶和需要的產品，已經成為了新的商業銷售趨勢.隨著互聯網用戶數量的增多，對于網絡用戶行為的研究越來越重要，而關聯規則挖掘是分析用戶行為特征的重要方法之一.本文以某商務網站為例，對關聯規則挖掘算法（Apriori算法）在用戶行為分析中的具體應用進行了研究.所研究的內容對改善網站結構，增加網站點擊率等方面有重要意義.

因關聯規則挖掘算法在用戶行為分析中的重用性，近年來不少學者給予了高度的關注.如，孫燕花[1]從安全的角度分析了用戶行為，利用CURE算法，建立模型，提供用戶行為的分析框架，區分用戶的正常行為和異常行為；王振宇[2]利用Hadoop框架，設計海量日志數據處理模型，分析搜索引擎中用戶的行為，從而改進搜索引擎的交互功能；丁青[3]以校園網的用戶為對象，利用K-means算法，進行聚類分析，分析出校園用戶行為特征，從而對校園網進行改進，滿足用戶個性化需求；柴巧葉[4]通過關聯規則分析，利用FrequentAccess算法，發現用戶的頻繁訪問模式；馬力[5]從檢測和分析的角度，研究Internet的網絡用戶行為，討論了正常行為的聚類研究方法和異類行為的檢測方法，提供了一種有效解決網絡用戶行為自主發現的途徑；杜海濤[6]探討了關聯規則算法在購物籃分析中的應用，重點分析了超市消費者的消費行為，通過分析發現商品之間的關聯規則，從而調整商品位置，使其更符合消費者的消費習慣，提高銷售業績；張忻[7]介紹了關聯規則挖掘的基本原理，利用Apriori算法分析網絡用戶行為并建立了模型；丁振國[8]根據SNS用戶行為存在序列性這一特點，利用序列模式挖掘，通過GSP算法對社交網絡用戶行為進行分析，從而改進網站結構、優化社交網絡等.可見，目前該領域的研究成果還是比較多，從不同角度對用戶行為分析進行了研究，但還未形成系統性，因此本文運用關聯規則挖掘的經典算法——Apriori算法，對某商務網站的用戶行為進行分析，發現用戶行為特征，從而改善網站結構，提高用戶滿意度.

1 關聯規則挖掘概述

1.1 相關概念

定義1項集：用表示數據庫中各項的集合，并且用表示所有事務的集合.每個事務ti包含的項集都是I的子集.在關聯分析中，項集是項的集合，用X表示，可以包含0個或多個項.如果一個項集包含k個項，則稱它為k-項集.

定義2支持度計數:指在事務集T中某個項集X出現的次數，即事務集T包含特定項集的事務個數.通常，項集X的支持度計數σ(X)可以表示為：

其中，符號 ||·表示集合中元素的個數.

定義3支持度和置信度：支持度（support）就是該項集的頻繁程度.置信度（confidence）用來確定Y在包含的事務中出現的頻繁程度，相當于Y在X條件下的條件概率.用數學公式表示支持度(s)和置信度(c)如下：

定義4頻繁項集：如果一個項集的支持度計數大于或等于給定的最小支持度閥值，那么就稱它為頻繁項集，否則稱為非頻繁項集.

定義5關聯規則：關聯規則是形如A→B的蘊含表達式，并且A和B沒有交集，即A?B=?.

定義6先驗原理：如果一個項集是頻繁的，則它的所有子集一定也是頻繁的.相反，如果一個項集是非頻繁的，則它的所有超集也一定是非頻繁的.把該規則稱為先驗原理.

定義7FK-1×FK-1方法：函數候選k-項集產生的過程，通過合并一對頻繁(k-1)-項集產生，并且僅當它們的前k-2個項都相同時，才能合并.用數學方式解釋：令和 B=是一對頻繁(k-1)-項集，合并A和 B，如果它們滿足如下條件：

1.2 Apriori算法

Apriori算法是關聯規則挖掘的經典算法，它率先利用了基于支持度的剪枝技術，系統的控制候選項集指數增長.

算法1中給出了Apriori算法產生頻繁項集部分的偽代碼：

算法1 Apriori算法的頻繁項集產生

步驟1：k=1

步驟3：repeat

步驟4： k=k+1

步驟5： Ck=FK-1×FK-1//產生候選項集

步驟6：for每個事務t∈Tdo

步驟8： for每個候選項集c∈Ctdo

步驟9： σ(c)=σ(c)+1 //支持度計數增值

步驟10： endfor

步驟11：endfor

步驟13：untilFk=?

步驟14：Result=?Fk

令Ck為候選k-項集集合，而Fk為頻繁k-項集的集合：

第一步：該算法通過單遍掃描事務數據庫，確定每個項的支持度.掃描完后，就得到所有頻繁1-項集的集合F1（步驟1和步驟2）.

第二步：使用上一次迭代發現的頻繁(k-1)-項集，產生新的候選k-項集（步驟5）.候選項集的產生使用FK-1×FK-1方法實現.

第三步：掃描事務數據集（步驟6-10），對候選項的支持度計數.確定包含在每一個事務t中的Ck中的所有候選k-項集.

第四步：計算候選項的支持度計數之后，刪去支持度計數小于minsup的所有候選項集（步驟12）.

第五步：當沒有新的頻繁項集產生，即Fk為空集時，算法結束（步驟13）.

2 Apriori算法在用戶行為分析中的應用

利用關聯規則，可分析商務網站的用戶行為，發現產品之間的關聯關系，分析影響用戶購買的因素，預測用戶下一個購買行為.通過關聯規則分析可以全面了解用戶的需求，能夠實時處理，分析周期較短，并且能夠形成良性循環.下面以Apriori算法在某商務網站中的應用為例，分析其具體應用過程.

2.1 Apriori算法應用過程

將Apriori算法應用到收集了的某商務網站數據挖掘分析中，可以發現用戶行為特征.由于源數據屬性和記錄都比較多，僅選取一部分數據進行關聯分析（如表1所示）.

表1 某商務網站商品部分交易記錄

2.1.1 產生頻繁項集

①對事務數據庫進行第一次遍歷，將事務數據庫中的每個項集都作為候選1-項集F1中的元素，并且確定各元素的支持度計數（如圖1所示）.

圖1 搜索候選1-項集和頻繁1-項集

②設定一個最小支持度計數，假設為3，則最小支持度閥值就是3/9=33.3%.這樣就可以確定頻繁1-項集C1（如圖1所示）

③運用頻繁1-項集，產生候選2-項集F2.這里采用C1⊕C1方法，產生的F2中包含個2-項集.再次掃描事務數據庫，獲得候選2-項集F2中各元素的支持度計數（如圖2所示）.

④根據設定的最小頻繁支持度計數，確定頻繁2-項集C2.

⑤采用FK-1×FK-1方法，利用頻繁2-項集，產生候選3項集，遍歷事務數據庫，計算各項集的支持度計數（如圖3所示）.

⑥根據設定的最小頻繁支持度計數，進行剪枝，確定頻繁3-項集C3（如圖4所示）．

圖2 搜索候選2-項集和頻繁2項集

圖3 通過合并一對頻繁2-項集生成候選3-項集F3

圖4 通過剪枝生成頻繁3-項集C3

⑦同理，采用FK-1×FK-1方法，利用頻繁3-項集，產生候選4項集F4{A ,B,C,D}，游歷事務數據庫得支持度計數為1，所以沒有頻繁4-項集.

⑧此時找到了所有頻繁項集，即{A,B,D}和{A,C,D}以及它們的非零子集.

2.1.2 產生強關聯規則

（Ⅰ）對于每個頻繁項集C3，產生C3的所有非空子集：{A ,B}，{A ,D}，{B ,D}，{A ,C}，{C ,D}，{A}，{B}，{C}，{D}.

（Ⅱ）設最小置信度閥值為70%，根據置信度公式，求得各關聯規則的置信度：

根據各關聯規則的置信度可知，第⑴、⑸、⑹、⑽規則，由于它們的信任度大于最小置信度閥值，屬于強關聯規則被保留下來.

2.2 應用關聯規則算法的結果分析

根據以上關聯規則分析，可以得出商務網站用戶行為的某些特征.通過⑴可知，用戶購買了A和B就一定會購買產品D；通過⑸可知，如果用戶購買了A和C，則一定會購買產品D；根據⑹可知，如果用戶購買了產品C和D，則再購買產品A的概率為75%；根據⑽分析出如果用戶購買產品C，就有75%的可能性同時購買A和D.由此可以得出以下結論：

（1）由于某些原因，用戶在購買A和B產品或者A和C產品，就一定會購買D產品.

（2）用戶如果購買了C和D產品，有很大可能購買A產品，但不是百分之百可能.

（3）產品C和產品A、D的銷量有很大的聯系，用戶如果購買了C產品，就有很大可能購買A和D產品.

通過關聯規則分析發現的用戶行為特征，可以對網站結構進行改進，使之更充分地滿足用戶需求，從而提高用戶滿意度.根據各產品之間的關聯關系，該商務網站可以采取各種促銷手段，調整銷售方式，提高利潤.

2.3 算法驗證

對Apriori算法在商務網站用戶行為分析中的有效性進行了驗證.實驗環境為Windows7、Intel Corei5@3.1GHz、4GB內存，用VC++語言實現了Apriori算法.測試數據是來自于蘭州市的一家購物網站——三維商城（www.3d100.cn），從該網站的交易數據庫中隨機抽取了12000條交易記錄，共涉及300多個商品.首先要對收集到的數據進行清洗、凈化、整理，將數據整合成能被挖掘算法利用的數據，保存于事務數據庫中；然后，進行關聯規則挖掘.將最小支持度閾值設為33%，最小置信度閾值設為70%，利用Apriori算法對用戶所購買的產品進行相關性分析.通過算法實驗發現，Apriori算法可以找出商務網站用戶所購買商品之間的關聯規則，分析影響用戶購買的因素，預測用戶的下一次購買行為.同時，也可根據顧客購買商品的相關性，發現消費者在消費過程中的喜好，從而可以更好地開發顧客的購買潛力，實現商務網站的利益最大化.

3 總結

Apriori算法是關聯規則分析中的經典算法，通過先驗原則找到頻繁項集，并根據置信度求得強關聯規則.雖然這種算法需要多次掃描數據庫，但是其操作簡便、便于理解.將Apriori算法應用到商務網站的用戶行為分析中，是一種非常有意義的嘗試.根據分析結果可以了解用戶的行為特征，從而制定相應的網絡營銷策略或調整商務網站結構，提高用戶的滿意度．

[1]孫燕花,李杰,李建.基于CURE算法的網絡用戶行為分析[J].計算機技術與發展,2011,21(9):35-38.

[2]王振宇,郭力.基于Hadoop的搜索引擎用戶行為分析[J].計算機工程與科學,2011,33(4):115-120.

[3]丁青,周留根,朱愛兵,等.基于K-means聚類算法的校園網用戶行為分析研究[J].微計算機應用,2010,31(6):74-80.

[4]柴巧葉.基于關聯規則的用戶頻繁訪問模式研究[J].太原師范學院學報,2011,10(2):87-89.

[5]馬力,焦李成,董富強.一種Internet的網絡用戶行為分析方法的研究[J].微電子學與計算機,2005,22(7):124-126.

[6]杜海濤,陳定方,張波.一種基于關聯規則的超市購物籃分析方法[J].湖北工業大學學報,2008,23(2):53-55.

[7]張忻,李昆侖.基于關聯規則挖掘的網絡行為分析系統設計[J].電腦知識與技術:學術交流,2011(4):2333-2334.

[8]丁振國,宋薇,李婧.基于序列模式挖掘的社交網絡用戶行為分析[J].現代情報,2013,33(3):56-60.

[9]王攀,張順碩,陳雪嬌.基于DBP的Web用戶行為分析關鍵技術[J].電信快報:網絡與通信,2008(8):13-15.

[10]王偉.關聯規則中的Apriori算法的研究與改進[D].青島:中國海洋大學,2012.

[11]李強.數據挖掘中關聯分析算法研究[D].哈爾濱:哈爾濱工程大學,2010.

[12]畢建欣,張岐山.關聯規則挖掘算法綜述[J].中國工程科學, 2005,7(4):88-94.

[13]劉金勇.WEB數據挖掘在電子商務中的研究應用[J].網絡安全, 2013(9):25-26.

[14]周賀來.Web挖掘中關聯規則的研究與應用[D].鄭州:州州大學,2006.

[15]烏文波.應用Apriori關聯規則算法的數據挖掘技術挖掘電子商務潛在客戶[D].杭州:浙江工業大學,2012.

[16]崔寅舟.關聯規則和時序模式挖掘技術在服裝專賣店中應用的研究[D].上海:上海交通大學,2012.

[17]陳則芝,李冬梅.數據挖掘關聯規則Apriori算法的優化[J].山西大同大學學報,2008,24(4):35-37.

【編校：王露】

AprioriAlgorithmApplicationinBusinessWebsite＇sUserBehaviorAnalysis

WANGYuzhen,WANGQian
（SchoolofInformationEngineering,LanzhouUniversityofFinanceandEconomics,Lanzhou,Gansu730020,China）

Byintroducingtheconceptsofassociationrules,theassociationrules'classicalApriorialgorithmanditsappli?cationinbusinesswebsite'suserbehaviorwereanalyzed.TheresultsfromApriorialgorithmcanrevealtheuserbehavior feature,thatiswhenusersclickedtobuydifferentcommoditythereisacertaininevitableeventorahighprobability event.Thatimprovesthesitestructureandcustomersatisfaction.

associationrules;Apriorialgorithm;userbehavior

TP301.6；TP393

A

1671-5365(2015)12-0015-04

王玉珍，王倩.Apriori算法在商務網站用戶行為分析中的應用[J].宜賓學院學報,2015,15(12):15-18. WANGYZ,WANGQ.AprioriAlgorithmApplicationinBusinessWebsite'sUserBehaviorAnalysis[J].JournalofYibinUniver?sity,2015,15(12):15-18.

2015-08-06修回：2015-09-09

甘肅省教育廳項目（2013B-047）；2013年甘肅省高等學校基本科研業務費項目

王玉珍（1970-），女，教授，碩士，研究方向為數據挖掘、電子商務

時間：2015-09-1015:38

http://www.cnki.net/kcms/detail/51.1630.z.20150910.1538.001.html