電子商務(wù)與數(shù)據(jù)挖掘(文件)
【正文】 聚類分析可以喜好類似的用戶，從而動(dòng)態(tài)地為用戶定制觀看的內(nèi)容或提供瀏覽建議。 Web Usage Mining——序列模式 ? 序列模式試圖找出頁面依照時(shí)間順序出現(xiàn)的內(nèi)在模式 ? 序列模式可以用來做用戶的瀏覽趨勢(shì)分析，即一組數(shù)據(jù)項(xiàng)之后出現(xiàn)另一組數(shù)據(jù)項(xiàng)，從而形成一組按時(shí)間排序的會(huì)話，以預(yù)測(cè)未來的訪問模式，這將有助于針對(duì)特別用戶群安排特定內(nèi)容。 課后思考 ? 除了用戶訪問模式，電子商務(wù)中還能挖掘其他什么東西？ ? 基于 Web日志的用戶訪問模式挖掘有什么缺點(diǎn)？ 。 ? 確定下一步怎么辦？是發(fā)布模型？還是對(duì)數(shù)據(jù)挖掘過程進(jìn)行進(jìn)一步的調(diào)整，產(chǎn)生新的模型。 ? 還能提供有限的低層次的錯(cuò)誤分析，比如檢測(cè)未授權(quán)入口點(diǎn)，找出最常見不變的 URL等。（與分類的區(qū)別？） ? 常用聚類算法：劃分方法、層次的方法、基于密度的方法等等。 ? 如 80%的用戶訪問 Web頁面 /pany/product1時(shí)，也訪問了 /pany/product 2。 ? 路徑補(bǔ)充 確認(rèn) Web日志中是否有重要的頁面訪問記錄被遺漏 。它告訴我們請(qǐng)求是否成功，或者遇到了什么樣的錯(cuò)誤。 ? 第二項(xiàng)：瀏覽者的 地址或者其他唯一標(biāo)識(shí)符。 ? Web結(jié)構(gòu)挖掘主要針對(duì)的就是頁面的超鏈接結(jié)構(gòu)，如果有較多的超鏈接指向它，那么該頁面就是重要的，發(fā)現(xiàn)的這種知識(shí)可用來改進(jìn)搜索路徑等。 ? 自動(dòng)地從數(shù)以百萬計(jì)的 Web站點(diǎn)和在線數(shù)據(jù)庫中搜索和獲取信息和資料 。 ? 在電子商務(wù)中，很多知識(shí)發(fā)現(xiàn)都可以進(jìn)行直接應(yīng)用 ? 改變站點(diǎn)的設(shè)計(jì)（改變布局，進(jìn)行個(gè)性化設(shè)計(jì)等） ? 開始有目標(biāo)的促銷 ? 根據(jù)對(duì)廣告效果的統(tǒng)計(jì)數(shù)據(jù)改變廣告策略 ? 可以很容易的提供捆綁銷售 投資收益容易衡量 ? 使用數(shù)據(jù)挖掘成果的革新帶來的收益如何衡量？ ? 在傳統(tǒng)的商業(yè)中衡量投資收益需要長(zhǎng)期的測(cè)量和觀察， Paco Underhill在 《 購物的科學(xué) 》 一書中提及，一個(gè)超市為了衡量他們的促銷策略帶來的投資收益，每年要花 14,000個(gè)小時(shí)查看錄像帶。 ? 豐富的記錄信息 ? 良好的 WEB站點(diǎn)設(shè)計(jì)將有助于獲得豐富的信息 ? 干凈的數(shù)據(jù) ? 從電子商務(wù)站點(diǎn)收集的都是電子數(shù)據(jù)，無需人工輸入或者是從歷史系統(tǒng)進(jìn)行整合 ? 研究成果容易轉(zhuǎn)化 ? 在電子商務(wù)中，很多知識(shí)發(fā)現(xiàn)都可以進(jìn)行直接應(yīng)用 ? 投資收益容易衡量 電子商務(wù)為數(shù)據(jù)挖掘提供海量數(shù)據(jù) ? “點(diǎn)擊流”（ Clickstreams）將會(huì)產(chǎn)生電子商務(wù)挖掘的大量數(shù)據(jù) ? Yahoo!在 2021年每天被訪問的頁面數(shù)是 10億，如此大的訪問量將會(huì)產(chǎn)生巨大的 Web日志（記載頁面訪問的情況），每個(gè)小時(shí)產(chǎn)生的 Web日志量就達(dá)到
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1