基于电子商务Web的数据挖掘技术研究

随着Internet的日益普及和电子商务的蓬勃发展，基于互联网的商业Web站点业务的竞争也越来越激烈。由于电子商务可为数据挖掘提供极为丰富的数据源，因而如何对大量的电子商务信息进行有效的组织利用，从中抽取感兴趣的商业运作模式，以便更好地理解客户的行为，或改进站点结构为客户提供更多的个性化服务，已为众多商家所关注。 基于Web进行数据挖掘，是在Web环境下从大量的Web文档集合和用户浏览网站的数据中发现蕴涵的、未知的、有潜在应用价值的、非平凡模式或信息，因此，开展本研究课题有一定的应用价值和意义。 本文在分析研究电子商务数据特点的基础上，较详细地阐述了Web数据挖掘的概念、方法等相关技术，针对基于Web日志的数据挖掘模型的缺点，构建了一个基于Session的数据挖掘模型。并面向开展电子商务方面的个性化服务，提出了一种基于相似属性集聚类算法的推荐系统，并与协同过滤推荐方法进行了比较。该系统可通过获取用户对电子商务网站访问的页面序列，构建出较高购买者的顾客行为矩阵模型，以得到Web访问对象在整个或者部分属性空间中的相似访问行为，可给商家提供一些有用的服务信息和科学预测数据。 经模拟实验表明，该系统设计方案可行，对电子商务或交易网站进行数据挖掘得到一些重要信息，具有一定参考应用价值。