【正文】 前的信息，有時(shí)需要增量裝載，要根據(jù)實(shí)際情況進(jìn)行確 定。自動(dòng)更新步驟如下： ａｕｔｏ １、建立“電子商務(wù)數(shù)據(jù)倉庫自動(dòng)更新”解決方案Ｅ ｕｐｄａｔｅ，在該解決方 案中建立包括三個(gè)任務(wù)的一個(gè)包，用于實(shí)現(xiàn)數(shù)據(jù)立方體、事實(shí)表和維表的更新。 表２．４維表概況 電子商務(wù)數(shù)據(jù)倉庫的數(shù)據(jù)裝載階段利用數(shù)據(jù)庫管理系統(tǒng)提供的后端管理，對(duì) 事實(shí)表和維表進(jìn)行匯總、建立索引、排序、計(jì)算視圖與備份等操作，并將數(shù)據(jù)分 級(jí)處理、增量地更新到數(shù)據(jù)倉庫中。 表２．２銷售事實(shí)表 如表２．３所示，客戶行為事實(shí)表包含６個(gè)維表的關(guān)鍵字，月ｊ戶維表關(guān)鍵字 ｕｓｅｒ＿ｋｅｙ、時(shí)間維表鍵字ｔｉｍｅ＿ｋｅｙ、地點(diǎn)表關(guān)鍵字ｌｏｃａ＿ｋｅｙ、活動(dòng)維表關(guān)鍵字ｂｅｈａ 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 ｋｅｙ、引用維表關(guān)鍵字ｒｅｃｏ＿ｋｅｙ和ｉｐ地址維表關(guān)鍵字ｉｐ＿ｋｅｙ和以及頁面瀏覽時(shí)間 ｖｉｓｉｔ＿ｔｉｍｅ、傳輸字節(jié)數(shù)ｕｎｉｔｓ＿ｓｏｌｄ和Ｈ”ｒＰ狀態(tài)碼ｈｔｔｐ＿ｅｏｄｅ ３個(gè)度量，傳輸字節(jié)數(shù) 和ＨＴＴＰ狀態(tài)碼從Ｗｅｂ使用日志大小域和狀態(tài)域中提取。 （１）事實(shí)表。 ２．２．４數(shù)據(jù)集成、數(shù)據(jù)裝載與多維數(shù)據(jù)模型構(gòu)建 電子商務(wù)數(shù)據(jù)倉庫的數(shù)據(jù)集成階段是基于多維的數(shù)據(jù)模型。具體的補(bǔ)充辦法如下： （１）路徑不完整判斷：客戶被請(qǐng)求的Ｗｅｂ頁面不是直接鏈接到當(dāng)前客戶已 經(jīng)請(qǐng)求的最后一個(gè)Ｗｅｂ頁面上，我們認(rèn)為就出現(xiàn)了路徑不完整的情況，需要對(duì) 客戶訪問路徑進(jìn)行補(bǔ)充。當(dāng)我們利用不完整的訪 １０ 蘭州人學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 問日志進(jìn)行電子商務(wù)數(shù)據(jù)挖掘時(shí)，挖掘出的模式很可能是片面的、不準(zhǔn)確的。會(huì)話可以采用如下形式進(jìn)行表示： Ｓｅｓｓｉｏｎ＝｛ｕｉｄ，ｔｉｍｅｂ，ｔｉｍｅｅ“（ｕｒｌｌ，ｔｉｍｅｌ），（ｕｒｌ２，ｔｉｍｅ２），……（ｕｒｌｎ，ｔｉｍｅｎ）］｝。這樣根據(jù)ＩＰ地址識(shí)別客戶變得困難。 表２．１ Ｗｅｂ Ｌｏｇ表 序號(hào) 字段名 中文名 數(shù)據(jù)類型 備注 ９ 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 １ ２ ３ ４ ５ ６ ７ ｉｔｅｍｋｅｙ ｕｓｅｒ＿ｋｅｙ ｓｅｓｓｉｏｎ ｋｏ／ ｉｐ＿ａｄｄｒｅｓｓ ｖｉｓｉｔｔｉｍｅ ｖｉｓｉｔ＿ｕｆｌ ｒｅｆｅｒｅｄ 索引 客戶ＩＤ 客戶會(huì)話ＩＤ 客戶口地址訪問時(shí)間 訪問ＵＲＬ 參考頁面 Ｃｈ缸２０） Ｃｈａｒ（５０） Ｃｈａｒ（５０） Ｃｈａｒ（３０） Ｃｈａｔ（６０） Ｃｈａｒ（６０） 外鍵 外鍵 外鍵 ■●■■●■■■■■■■■■■■■●●■■■■■■■■一 167。 （１）通過狀態(tài)域識(shí)別出的客戶請(qǐng)求失敗的訪問記錄； （２）通過檢查ｒｏｂｏｔｓ．ｔｘｔ文件或檢查代理域，識(shí)別出網(wǎng)絡(luò)爬蟲（Ｃｒａｗｌｅｒ ＯＩ＂ Ｓｐｉｄ哪和搜索代理（Ａｇｅｎｔ）等對(duì)電子商務(wù)網(wǎng)站進(jìn)行訪問的記錄【２０】； （３）識(shí)別出文件后綴名為ｚｉｐ、ｊＰｇ、ｊｐｅｇ、ｇｉｆ，ｃｇｉ、ｊＳ的訪問記錄。在電子商務(wù)數(shù)據(jù)倉庫的數(shù)據(jù)處理中，客戶數(shù)據(jù)文件、商業(yè)數(shù)據(jù)庫 的數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清理工作較簡(jiǎn)單，可以采用分箱、聚類、計(jì)算機(jī)和人工相結(jié)合、 回歸等方法，已有的論述也比較多，本文不再進(jìn)行介紹，本文介紹的重點(diǎn)是Ｗｅｂ 使用日志中的數(shù)據(jù)轉(zhuǎn)換與數(shù)據(jù)清洗【２０】： 數(shù)據(jù)清洗?？蛻魯?shù)據(jù) 庫的信息主要記錄客戶的相關(guān)特征，如客戶名、客戶ＩＤ、年齡、性別、職業(yè)、 收入、學(xué)歷、電子郵件、聯(lián)系方式和家庭住址等，這些數(shù)據(jù)可以從客戶登記信息 中或從電子商務(wù)網(wǎng)站的注冊(cè)頁面中獲得。以隱式數(shù)據(jù)為研究對(duì)象的電 子商務(wù)推薦系統(tǒng)能自動(dòng)獲取數(shù)據(jù)，一般不需要客戶人為地給出自己的偏好信息。顯 示數(shù)據(jù)的針對(duì)性較強(qiáng)，數(shù)據(jù)的可用性較大。 ５、查詢數(shù)據(jù) 查詢數(shù)據(jù)是電了商務(wù)站點(diǎn)在服務(wù)器上產(chǎn)生的數(shù)據(jù)。其中 ＩＰ，Ｓｅｒｖｅｒ，Ｂｙｔｅｓ，Ｒｅｑｕｅｓｔ，Ｓｔａｔｕｓ，Ｓｅｒｖｉｃｅ ｎａｍｅ，Ｐｒｏｔｏｃｏｌ ｏｆ ｖｅｒｓｉｏｎ，Ｔｉｍｅ，Ｕｓｅｒ ａｇｅｎｔ，Ｃｏｏｋｉｅ，Ｒｅｆｅｎ＇ｅｒ＇’客戶訪問電子 商務(wù)網(wǎng)站的信息內(nèi)容。 ｌｏｇｓ： ｅｒｒｏｒ ｌｏｇｓ為請(qǐng)求失敗的數(shù)據(jù)，包括超時(shí)，授權(quán)失敗，丟失連接等。 ２、存儲(chǔ)在傳統(tǒng)關(guān)系數(shù)據(jù)庫里的有關(guān)電子商務(wù)的商品信息、商務(wù)站點(diǎn)信息、 客戶交易數(shù)據(jù)、購物籃數(shù)據(jù)、客戶對(duì)商品的評(píng)分?jǐn)?shù)據(jù)等。 數(shù)據(jù)倉庫在電子商務(wù)數(shù)據(jù)挖掘中起到承上啟下的作用。 第四章基于協(xié)同過濾算法提出個(gè)性化的電子商務(wù)推薦系統(tǒng)，針對(duì)不同的客戶 采取不同的推薦算法，并提出面向客戶的協(xié)同過濾算法，并進(jìn)行了論述和實(shí)驗(yàn)驗(yàn) 證。 １．３．２論文組織結(jié)構(gòu) 本文以數(shù)據(jù)倉庫在電子商務(wù)中的應(yīng)用為基礎(chǔ)，以數(shù)據(jù)挖掘技術(shù)為理論依托， 以提供個(gè)性化服務(wù)的面向?qū)ο蟮碾娮由虅?wù)推薦系統(tǒng)為研究重點(diǎn)，展開論述。但是協(xié)同過濾算法也存在著諸如客戶評(píng)分?jǐn)?shù)據(jù)稀疏性（ｓｐａｒｓｉｔｙ）、 首次訪問客戶冷啟動(dòng)（ｃｏｌｄ．ｓｔａｒｔ）、算法的可擴(kuò)展性（ｓｃａｌａｂｉｌｉｔｙ）等問題ｆ１３】。 目前，國內(nèi)外的大量專家、學(xué)者對(duì)電子商務(wù)推薦技術(shù)已經(jīng)開展了大量的研究。電子商務(wù)系統(tǒng)具 有較高的自動(dòng)化、網(wǎng)絡(luò)化和信息化，這些特性使數(shù)據(jù)挖掘系統(tǒng)容易和電子商務(wù)系 統(tǒng)進(jìn)行結(jié)合。在電子商務(wù)中進(jìn)行數(shù)據(jù)挖掘具有以下便利條件： １、收集信息的便利性，通過網(wǎng)上購物系統(tǒng)可以很方便的獲取客戶的注冊(cè)信 息并記錄客戶的交易行為；通過ｗｅｂ使用日志可以獲取客戶的瀏覽行為。這樣導(dǎo)致客戶無法在短時(shí)間內(nèi)迅速的定位到 自己所需要的商品或自己感興趣的商品，使客戶面臨嚴(yán)重的“信息超 載”（ｉｎｆｏｒｍａｔｉｏｎ ｏｖｅｒｌｏａｄ）［３１現(xiàn)象。 ４、數(shù)據(jù)倉庫技術(shù)能夠?qū)崿F(xiàn)把決策者需要的主題信息從原始的操作型數(shù)據(jù)中 提取出來；同時(shí)實(shí)現(xiàn)把難以訪問的、分散的原始操作型數(shù)據(jù)經(jīng)數(shù)據(jù)消噪、數(shù)據(jù)集 成、數(shù)據(jù)轉(zhuǎn)換等處理后轉(zhuǎn)化成隨時(shí)可訪問的、主題集中的信息。如何對(duì)這些數(shù)據(jù)進(jìn)行處 理，如何從這些數(shù)據(jù)中獲取知識(shí)，了解顧客的消費(fèi)行為，為企業(yè)的決策提供支持， 對(duì)企業(yè)的發(fā)展來說至關(guān)重要。 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 ４、電子商務(wù)的進(jìn)入和退出成本降低，規(guī)避了投資風(fēng)險(xiǎn)，即使企業(yè)因經(jīng)營不利 而退出電子商務(wù)，損失也不會(huì)很大。 如圖１．１所示，導(dǎo)致電子商務(wù)迅猛發(fā)展的主要原因有以下幾個(gè)方面： １、網(wǎng)絡(luò)用戶的大幅增加，為電子商務(wù)提供了廣泛的客戶來源。如 何解決這個(gè)制約電子商務(wù)發(fā)展的瓶頸問題？如何將電子商務(wù)產(chǎn)生豐富的數(shù)據(jù)轉(zhuǎn) 化為知識(shí)？如何讓客戶在豐富的商品中快樂的購物？針對(duì)這些問題，在電子商務(wù) 網(wǎng)站上使用數(shù)據(jù)倉庫技術(shù)、進(jìn)行數(shù)據(jù)挖掘和商品推薦勢(shì)在必行。 保密論文在解密后應(yīng)遵守此規(guī)定。 論文作者簽名：互童｝盟日 期：塑?。。?77。學(xué)位論文中凡引用他人已經(jīng)發(fā)表或未發(fā)表的 成果、數(shù)據(jù)、觀點(diǎn)等，均已明確注明出處。根據(jù)客戶特點(diǎn)，將客戶進(jìn)行分類，并根據(jù)客戶不同 的分類，采取不同的模式挖掘算法。電子商務(wù)推薦技術(shù)作為電子商務(wù)中的重要技術(shù)，模仿銷售員向客戶推 薦客戶偏好度較高的產(chǎn)品。 本文由pan276370773貢獻(xiàn) pdf文檔可能在WAP端瀏覽體驗(yàn)不佳。電子商務(wù)也越來越受到企業(yè)和消費(fèi) 者的青睞。同時(shí)本文在關(guān)聯(lián)規(guī)則、協(xié)同過濾等技術(shù)的基礎(chǔ) 上設(shè)計(jì)了個(gè)性化的推薦系統(tǒng)。 關(guān)鍵字：數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、電子商務(wù)推薦系統(tǒng)、協(xié)同過濾、面向客戶 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 Ａｂｓｔｒａｃｔ Ｉｎｔｅｍｅｔ ｕｓｅｒｓ ｉｎｃｒｅａｓｉｎｇ ｒａｐｉｄｌｙ ｂｙ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ Ｉｎｔｅｒｎｅｔ ｔｅｃｈｎｏｌｏｇｙ．Ｅ－ ｃｏｍｍｅｒｃｅ ｈａｓ ｂｅｅｎ ｇｒｏｗｉｎｇ ｃｏｎｃｅｒｎ ｂｙ ｂｕｓｉｎｅｓｓｅｓ ａｎｄ ｃｏｎｓｕｍｅｒｓ．Ｅ－ｃｏｎｌｌｎｅｒｃｅ Ｒｅｃｏｍｍｅｎｄｅｒ ｓｅｌｌｅｒｓ Ｓｙｓｔｅｍ ｉｓ ａ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｅ－ｃｏｌＩｌｎｌｅｒｃｅ ｔｏ ｔｈａｔ ｉｍｉｔａｔｅ ｒｅｃｏｍｍｅｎｄ ｐｒｏｄｕｃｔｓ ｔｈａｔ ｃｕｓｔｏｍｅｒ ｐｒｅｆｅｒｅｎｃｅｓ．Ｈｏｗ ａ ｉｍｐｒｏｖｅ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ Ｅ—ｃｏｍｍｅｒｃｅ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍ，ｈａｓ ｂｅｃｏｍｅ ｓｃｈｏｌａｒｓ． Ｉｎ ｔｈｉｓ ａｒｔｉｃｌｅ，ｄａｔａ ｈｏｔ ｒｅｓｅａｒｃｈ ｂｙ ｅｘｐｅｒｔｓ ａｎｄ ｗａｒｅｈｏｕｓｅ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｕｓｅｄ ｉｎ Ｅ—ｃｏｍｍｅｒｃｅ．Ｗｅ ｇｅｔ ｎｏｒｍａｔｉｖｅ ｄａｔａ ｆｏｒ Ｅ－ｃｏｍｍｅｒｃｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｐａｔｈ ｄａｔａ ｍｉｎｉｎｇ ｂｙ ｃｌｅａｎｉｎｇ，ｄａｔａ ｓｅｓｓｉｏｎ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｃｕｓｔｏｍｅｒ ｉｎｔｅｇｒａｔｉｏｎ，ｄａｔａ ｏｎ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｄａｔａ ｌｏａｄｉｎｇ ｅｔｃ． ｃｏｌｌａｂｏｒａｔｉｖｅ ａ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｅ－ｃｏｍｍｅｒｃｅ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍ ｉｓ ｔｏ ｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｆｉｌｔｅｒｉｎｇ，ｗｈｉｃｈ ｃｌａｓｓｉｆｙ ｃｕｓｔｏｍｅｒｓ，ａｎｄ ｄｉｆｆｅｒｅｎｔ ｐａｔｔｅｒｎ ｍｉｎｉｎｇ ａｌｇｏｒｉｔｈｍｓ ａｃｃｏｒｄｉｎｇ ｏｎ ｃｕｓｔｏｍｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａｄｏｐｔ ｂａｓｅｄ ｃｕｓｔｏｍｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｉｓ ａｒｔｉｃｌｅ ｐｒｏｐｏｓｅｄ Ｃｏｎｔｅｎｔ－ｂａｓｅｄ Ｔｒａｃｋｉｎｇ Ｔｒｅｅ，ＡＲ－ｂａｅｓｄ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ，ａｎｄ ｐｕｌｌ ｉｎ Ｚｏｎｉｎｇ ｃｏｎｃｅｐｔ ｔｏ ｐｒｏｖｉｄｅ ｃｕｓｔｏｍｅｒｓ ｗｉｔｈ ｐｅｒｓｏｎａｌｉｚｅｄ ｓｅｒｖｉｃｅ ｔｏ ｅｎｈａｎｃｅ ｔｈｅ ａｎａｌｙｓｉｓ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｑｕａｌｉｔｙ ｏｆ ｅ－ｃｏｍｍｅｒｃｅ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ．Ｆｉｎａｌｌｙ，ｗｅ ｏｆ ｔｈｅ ａｉｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：Ｄａｔａ Ｗａｒｅｈｏｕｓｅ，Ｄａｔａ Ｍｉｎｉｎｇ，Ｅ－ｃｏｍｍｅｒｃｅ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍ， Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ，Ｃｕｓｔｏｍｅｒ—ｏｒｉｅｎｔｅｄ ＩＩ 原創(chuàng)性聲明 本人鄭重聲明：本人所呈交的學(xué)位論文，是在導(dǎo)師的指導(dǎo)下獨(dú)立 進(jìn)行研究所取得的成果。 本聲明的法律責(zé)任由本人承擔(dān)。本人離校后發(fā)表、使用學(xué)位論文或與該論文直接相 關(guān)的學(xué)術(shù)論文或成果時(shí)，第一署名單位仍然為蘭州大學(xué)。然而作為顧客在電子商務(wù)網(wǎng)站上購 物時(shí)，因?yàn)闆]有傳統(tǒng)銷售模式下的營銷員的引導(dǎo)，往往很難快速定位到自己需要 的商品，這樣容易造成客戶對(duì)電子商務(wù)的興趣度降低，從而導(dǎo)致客戶的流失。截止到２００８年底，淘寶網(wǎng)注冊(cè)會(huì)員達(dá)到了 ９８００萬人。 ３、電子商務(wù)網(wǎng)站節(jié)省了傳統(tǒng)經(jīng)營模式下的經(jīng)營店面、營業(yè)人員和倉儲(chǔ)沒施所 必需成本投資。同時(shí)電子商務(wù)在運(yùn)行過程中產(chǎn)生大量的數(shù)據(jù)，包括網(wǎng)絡(luò)客戶注冊(cè)數(shù)據(jù)、 電子商務(wù)提供的商品數(shù)據(jù)、網(wǎng)絡(luò)客戶的消費(fèi)行為數(shù)據(jù)等。 ３、電子商務(wù)圍繞決策的主題組織數(shù)據(jù)，并利用歷史數(shù)據(jù)做決策時(shí)，這些是 ２ 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 傳統(tǒng)數(shù)據(jù)庫技術(shù)無法滿足和實(shí)現(xiàn)的。 １．１．３數(shù)據(jù)挖掘在電子商務(wù)應(yīng)用的必要性 電子商務(wù)網(wǎng)站為顧客提供了豐富的商品，但是電子商務(wù)網(wǎng)站又沒有傳統(tǒng)營銷 模式下的銷售員進(jìn)行個(gè)性化的導(dǎo)購。 電子商務(wù)在運(yùn)行當(dāng)中會(huì)產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)為電子商務(wù)進(jìn)行數(shù)據(jù)挖掘 提供了基礎(chǔ)。 ３、在電子商務(wù)系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)數(shù)據(jù)挖掘相對(duì)較為容易。隨著電子商務(wù)推薦系統(tǒng)的廣泛應(yīng)用，電子商務(wù)推薦技術(shù)也成為目前研究的熱 點(diǎn)。協(xié)同過濾 （Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ，ＣＦ）被認(rèn)為是電子商務(wù)推薦技術(shù)中應(yīng)用最廣泛的、效果最 好的推薦算法。針對(duì)不同的客戶采取不同的模式挖 ４ 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 掘方式，并根據(jù)客戶的不同將協(xié)同過濾算法進(jìn)行降維處理，為客戶提供個(gè)性化很 強(qiáng)的推薦服務(wù)，提高推薦質(zhì)量。 第三章對(duì)數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用進(jìn)行了闡述，提出電子商務(wù)推薦 系統(tǒng)的系統(tǒng)結(jié)構(gòu)及關(guān)鍵技術(shù)，重點(diǎn)介紹了關(guān)聯(lián)規(guī)則和協(xié)同過濾算法，為面向客戶 的電子商務(wù)推薦系統(tǒng)提供技術(shù)保障。原始數(shù)據(jù)經(jīng)過數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)清理、 數(shù)據(jù)集成、數(shù)據(jù)裝載等環(huán)節(jié)存入數(shù)據(jù)倉庫，并為數(shù)據(jù)挖掘提供數(shù)據(jù)支持和保障。在數(shù)據(jù)挖掘中，客戶注冊(cè)信息要和訪問日志、客戶評(píng)分等信息進(jìn)行集成， ６ 蘭州大學(xué)碩士學(xué)位論文 基于ＣＦ的個(gè)性化電子商務(wù)推薦系統(tǒng)研究 便于更進(jìn)一步了解客戶需求，以提高數(shù)據(jù)挖掘的準(zhǔn)確度?？蛻粼L問電子商務(wù)網(wǎng)站， 便會(huì)在服務(wù)器上留下記錄，這些客戶瀏覽記錄可分為查詢數(shù)據(jù)和ｗｅｂ同志文件【１５】