【正文】 構(gòu)和外觀，而不再完全依靠專(zhuān)家的定性指導(dǎo)來(lái)設(shè)計(jì)網(wǎng)站，站點(diǎn)上頁(yè)面內(nèi)容的安排和鏈接就如超級(jí)市場(chǎng)中物品擺放一樣，把具有一定支持度和信任度的相關(guān)聯(lián)的物品擺放在一起有助于銷(xiāo)售。網(wǎng)站網(wǎng)頁(yè)的內(nèi)容設(shè)置會(huì)直接影響客戶訪問(wèn)網(wǎng)站的效率。通過(guò)對(duì)日志文件的挖掘，可以讓網(wǎng)站設(shè)計(jì)者或者后期維護(hù)者知道哪些界面是訪問(wèn)者經(jīng)常連續(xù)點(diǎn)擊訪問(wèn)的頁(yè)面，就可以調(diào)整這些相關(guān)的頁(yè)面鏈接，可以將這些鏈接放在明顯的部分，并改變鏈接深度，使得用戶易于訪問(wèn)，用戶就不需要在一大堆不感興趣的鏈接之間尋找自己想要的鏈接，從而避免降低用戶對(duì)網(wǎng)站的興趣。 增加網(wǎng)頁(yè)鏈接促進(jìn)網(wǎng)站優(yōu)化通過(guò)挖掘用戶的Web日志文件，對(duì)Web站點(diǎn)的鏈接結(jié)構(gòu)的優(yōu)化可以從兩方面來(lái)考慮：一是發(fā)現(xiàn)用戶訪問(wèn)頁(yè)面的相關(guān)性，對(duì)密切相關(guān)的網(wǎng)頁(yè)之間增加鏈接。 客戶關(guān)系管理中延長(zhǎng)客戶駐留時(shí)間在電子商務(wù)中，傳統(tǒng)的買(mǎi)方客戶與賣(mài)方銷(xiāo)售商之間的空間距離已經(jīng)不存在，在Internet上，每個(gè)賣(mài)方銷(xiāo)售商對(duì)于買(mǎi)方客戶來(lái)說(shuō)都一樣。從它的分類(lèi)中判斷是否需要把這個(gè)新客戶作為潛在客戶展示一些特殊的，個(gè)性化的頁(yè)面內(nèi)容，提高對(duì)用戶服務(wù)的質(zhì)量。第三章 web數(shù)據(jù)挖掘在電子商務(wù)中的具體應(yīng)用 web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用 客戶關(guān)系管理中發(fā)掘潛在客戶通過(guò)分析和探究web日志記錄中的規(guī)律，可以對(duì)已經(jīng)存在的訪問(wèn)者進(jìn)行分類(lèi)，確定分類(lèi)的關(guān)鍵屬性及相互間的關(guān)系。使用這個(gè)圖形用戶界面對(duì)于用戶管理和理解大量的模式提供極大的便利。若分析者要求的是所有最小支持度是20%且最小可信度是80%，發(fā)送與2008年8月8號(hào)以后的規(guī)則并且域名來(lái)自于“.”的用戶感興趣，基于這個(gè)條件，查詢(xún)語(yǔ)句就可以表示為：SELECT association_rules(M*A*B) FROM logdata WHEREDate=20080808 AND domain=. AND support=20AND confidence=80通過(guò)這個(gè)查詢(xún)得到消息可以用來(lái)限制挖掘活動(dòng)的范圍，減少挖掘過(guò)程的代價(jià)。發(fā)現(xiàn)的知識(shí)一般也能以被用戶理解，所以為了能讓用戶理解他們需求的知識(shí)，一般采取三個(gè)方法：查詢(xún)，OLAP技術(shù)，可視化技術(shù)。例如：統(tǒng)計(jì)分析通過(guò)分析網(wǎng)頁(yè)視圖，瀏覽時(shí)間和導(dǎo)航路徑長(zhǎng)度，有助于改進(jìn)系統(tǒng)性能，增加系統(tǒng)安全性，便于站點(diǎn)修改并提供決策支持；路徑分析技術(shù)用于發(fā)現(xiàn)web站點(diǎn)中最經(jīng)常被訪問(wèn)的路徑，從而調(diào)整站點(diǎn)結(jié)構(gòu)；通過(guò)訪問(wèn)模式能挖掘關(guān)于用戶行為及潛在顧客信息的發(fā)現(xiàn)。但是在web日志中的訪問(wèn)事務(wù)不是一個(gè)顯然的結(jié)果，需要采用專(zhuān)門(mén)算法來(lái)生成，常用的方法是：時(shí)間窗口和最大向前路徑算法。IP地址或者代理在任何站點(diǎn)都可以利用，服務(wù)器和客戶端都不必要增加功能，但是只能夠獲取有限的信息如：IP地址，代理和URL。最常用的識(shí)別用戶的方法是IP地址或代理。數(shù)據(jù)項(xiàng)解析：對(duì)于CGI數(shù)據(jù)項(xiàng)必須被解析與不同的域中且形式為名字，值對(duì)的形式。使用的方法是通過(guò)檢查日志記錄中的代理域，采用字符串匹配方法剔除。消除不相干的數(shù)據(jù)：在web日志文件中一些對(duì)挖掘不必要的存取記錄要剔除，例如圖像文件，壓縮文件等對(duì)挖掘來(lái)說(shuō)不需考慮的可以剔除。由于數(shù)據(jù)的表示和寫(xiě)入對(duì)象的不同，用戶興趣及挖掘算法的各個(gè)要求不盡相同，所以必須先對(duì)web日志的數(shù)據(jù)配上合適的清洗策略進(jìn)行清洗。數(shù)據(jù)預(yù)處理的過(guò)程就是要先對(duì)提供的日志文件進(jìn)行整理與數(shù)據(jù)清洗，然后進(jìn)行識(shí)別用戶訪問(wèn)事務(wù)和識(shí)別訪問(wèn)片段。數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是web挖掘的重要步驟，直接影響到最后分析的數(shù)據(jù)的準(zhǔn)確性和正確性，主要是對(duì)日志文件進(jìn)行清洗、過(guò)濾、轉(zhuǎn)換及剔除無(wú)關(guān)記錄。如圖三所示的，這四個(gè)部分又由其他幾個(gè)子部分組成。如表21所示。訪問(wèn)者訪問(wèn)web時(shí)，服務(wù)器自動(dòng)收集這些信息，然后存儲(chǔ)到訪問(wèn)日志、引用日志和代理日志中。主要記錄的就是什么人在什么時(shí)候?yàn)g覽了什么內(nèi)容，網(wǎng)站的流量和訪問(wèn)者的信息等。Web服務(wù)器的日志文件記錄和積累了所訪問(wèn)的頁(yè)面，時(shí)間和用戶ID，還包括描述用戶瀏覽網(wǎng)頁(yè)和沿著網(wǎng)頁(yè)鏈接所產(chǎn)生的點(diǎn)擊流序列信息等。這個(gè)功能一般通過(guò)決策樹(shù)和貝葉斯分類(lèi)法實(shí)現(xiàn)的。分類(lèi)在數(shù)據(jù)挖掘中應(yīng)用最多的任務(wù)就是分類(lèi)，分類(lèi)就是基于一個(gè)可預(yù)測(cè)屬性把事例分成多個(gè)級(jí)別。目前用于web日志挖掘的聚類(lèi)算法很多，用戶對(duì)web站點(diǎn)的訪問(wèn)有某種有序的關(guān)系，這種有序關(guān)系反映的是用戶的訪問(wèn)興趣，也就是說(shuō)先訪問(wèn)的節(jié)點(diǎn)具有高興趣度。聚類(lèi)是一種強(qiáng)大的工具，用途很廣，一種重要的人類(lèi)行為。Kmeans算法以計(jì)算距離的平均值對(duì)聚類(lèi)成員分配；EM算法是使用概率進(jìn)行度量，度量某個(gè)對(duì)象的概率來(lái)判定該對(duì)象屬于哪個(gè)聚類(lèi)中。具體描述為：將數(shù)據(jù)對(duì)象分為多個(gè)類(lèi)或者簇的過(guò)程，原則是在同一個(gè)簇中的對(duì)象間具有較高的相似度，而不同簇中的對(duì)象要差別大點(diǎn)，聚類(lèi)要?jiǎng)澐值念?lèi)是事先不知道的不了解的，類(lèi)的形成完全是數(shù)據(jù)驅(qū)動(dòng)的，屬于一種無(wú)指導(dǎo)的學(xué)習(xí)方法。在web站點(diǎn)的合理布局時(shí)，圖標(biāo)常用來(lái)表現(xiàn)web站點(diǎn)頁(yè)面瀏覽路徑，圖的節(jié)點(diǎn)表示web界面，有向邊表示頁(yè)面的超鏈接，各種圖都是建立在頁(yè)面與頁(yè)面間聯(lián)系或者是一定數(shù)量的用戶瀏覽界面順序的基礎(chǔ)上。序列分析常用語(yǔ)web點(diǎn)擊分析，web日志分析中。序列規(guī)則序列分析用來(lái)發(fā)現(xiàn)離散序列中的模式，序列和關(guān)聯(lián)數(shù)據(jù)有點(diǎn)相似，都包含一個(gè)項(xiàng)集成一組狀態(tài)。在web數(shù)據(jù)挖掘的情況下，關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)某個(gè)用戶生成的服務(wù)器文件中不同引用之間的關(guān)系?？蛻粼L問(wèn)某個(gè)網(wǎng)站一般都是通過(guò)探索興趣詞條來(lái)找到相關(guān)興趣網(wǎng)頁(yè)并通過(guò)連接訪問(wèn)。Web數(shù)據(jù)挖掘常用的技術(shù)有：關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則是最常見(jiàn)的從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)，若有2個(gè)或者多個(gè)數(shù)據(jù)項(xiàng)的取值之間重復(fù)出現(xiàn)且概率很高，則會(huì)存在某種關(guān)聯(lián)，可以建立這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則。本文重點(diǎn)討論的就是聚類(lèi)算法與路徑分析在挖掘web訪問(wèn)信息這方面的應(yīng)用。Web訪問(wèn)信息挖掘中我們重點(diǎn)討論的是web日志挖掘的過(guò)程，具體來(lái)說(shuō)就是要從web日志文件中抽取現(xiàn)今還未知的，有潛在價(jià)值的隱藏信息如：識(shí)別電子商務(wù)的潛在客戶，增強(qiáng)對(duì)最終用戶的因特網(wǎng)信息服務(wù)的質(zhì)量，改進(jìn)web服務(wù)器系統(tǒng)的性能，甚至是建立針對(duì)個(gè)體用戶的定制web服務(wù)。不同的web站點(diǎn)和web訪問(wèn)日志可以幫助挖掘過(guò)程中研究的用戶的行為和web的結(jié)構(gòu)。在這個(gè)過(guò)程中通常都是由結(jié)構(gòu)比較好的記錄集提供資源信息即web訪問(wèn)log日志。例如，分析頁(yè)面重要性可知，如果一個(gè)頁(yè)面被多次引用，則這個(gè)也沒(méi)可能很重要，一個(gè)頁(yè)面雖然未被多次引用，但是被一個(gè)重要頁(yè)面引用，則該頁(yè)面也可能很重要。 web結(jié)構(gòu)挖掘Web結(jié)構(gòu)挖掘是對(duì)web頁(yè)面間的連接關(guān)系中推導(dǎo)知識(shí)，利用這種連接間的關(guān)聯(lián)關(guān)系，不僅可以對(duì)web界面進(jìn)行分類(lèi)，而且可以找出權(quán)威頁(yè)面，改變搜索引擎，提高網(wǎng)頁(yè)點(diǎn)擊率。界面內(nèi)容包括：文本，圖像，音頻，多媒體，視頻和其他類(lèi)型的數(shù)據(jù)。 web數(shù)據(jù)挖掘的分類(lèi)Internet中的數(shù)據(jù)挖掘總的來(lái)說(shuō)有三個(gè)目標(biāo)：精確度，表示的是返回?cái)?shù)據(jù)是否符合用戶的需求；覆蓋率，表示能返回多少符合用戶需求的數(shù)據(jù)內(nèi)容；效率，表示反映的速度。Web挖掘就是要從web豐富的數(shù)據(jù)中發(fā)現(xiàn)潛在的，對(duì)網(wǎng)站有用的，和從前不了解的信息和知識(shí)的完整過(guò)程，是知識(shí)發(fā)現(xiàn)對(duì)web數(shù)據(jù)的擴(kuò)展。通過(guò)原始數(shù)據(jù)的高度自動(dòng)化分析處理后得到數(shù)據(jù)間的關(guān)系模式，反映了數(shù)據(jù)的內(nèi)在特性，是對(duì)信息的更高層次的抽象過(guò)程。將數(shù)據(jù)庫(kù)中的“數(shù)據(jù)”形象地比作礦床，“數(shù)據(jù)挖掘”由此而來(lái)。運(yùn)用web數(shù)據(jù)挖掘技術(shù)對(duì)電子商務(wù)網(wǎng)站上的各種數(shù)據(jù)源進(jìn)行挖掘發(fā)現(xiàn)潛在的客戶，提供優(yōu)質(zhì)個(gè)性化服務(wù)，提高客戶忠誠(chéng)度，改進(jìn)網(wǎng)站設(shè)計(jì)等相關(guān)應(yīng)用，可以提高企業(yè)和網(wǎng)站的競(jìng)爭(zhēng)力，為客戶提供更優(yōu)質(zhì)的服務(wù)。在這個(gè)稱(chēng)之為信息爆炸的時(shí)代，如何發(fā)掘有用知識(shí)，提高數(shù)據(jù)的利用效率十分重要。隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，電子商務(wù)系統(tǒng)在社會(huì)生活總得到了越來(lái)越廣泛的應(yīng)用，大大改變了企業(yè)的經(jīng)營(yíng)方式，規(guī)范了企業(yè)內(nèi)部流程和交易手續(xù)，減少了交易中間環(huán)節(jié)，更多的降低了企業(yè)的經(jīng)營(yíng)成本；拉近了企業(yè)和客戶的關(guān)系，電子商務(wù)這種交易形勢(shì)前景十分廣闊。一般網(wǎng)