[计算机]Web挖掘在网上购物中的应用研究.pdfVIP

维普资讯 2004年 11月 安庆师范学院学报 (自然科学版) Nov．2004 第 1O卷第 4期 JournalofAnqlngTeachersCollege (NaturalScience) VoI．10NO．4 Web挖掘在网上购物中的应用研究 叶 彩 虹 (湛江师范学院 数学与计算科学学院， 江西 湛江 524048) 摘 要：Internet的迅速发展，使得WorldWideWeb已成为一个巨大的信息资源库，为Web挖掘研究提供 了丰富的信息资源，同时也提出了新的挑战。该文首先概述了数据挖掘和Web挖掘的概念、挖掘流程及算法，然 后介绍了电子商务及网上购物的概念及现状，并结合具体实例讨论分析了Web挖掘在网上购物中的应用。 关键词 ；知识发现 ；数据挖掘；Web挖掘；电子商务；网上购物；电子商店 中图分类号：TP393 文献标识码：A 文章编号：1OO7—4260(2004)04—0109一O3 1数据 挖掘 的基 本流程及主要算 法 数 据挖掘 ，简单来 说 ，就是在 “数据 矿 山”中找 到蕴藏 的 “知识金块 ”。数据挖 掘是 一种从大 型数据库 或数据仓库 中提取 隐藏 的预测性信 息的新技术 。它能开采 出潜在的模式 ，找出最有价值的信 息 ，指导商 业 行为或辅 助科 学研 究 。数据挖掘 有两个重要 特征 ：发掘和预 测 。发掘是指 在数据库 中搜 索到有用 的 “天然金块 ”；预测是指运用所发现的信息来预测到下一步会发生什 么。数据挖掘 的基本流程是 ：数据取 样 ；数据探 索 ；数据调整 ；模型化 ；评价 。数 据挖 掘的主要算法及 技术如下 ： 1)关联规 则 (Affinitygroupingorassociationrules)：关联规则就是 发现事 物之 间的意义 的联系和 规则 。关联可分为简单关联 、时序 关联、因果关联 。典型 的关联规则发现算法是 Apriori算法 ，也称为广 度优先算法 ，是 R．Agrawal和 R．Srikant于 1994年 提 出的 ，其基本 思想是 ：如果一 个项 集不是频 繁集 ， 则其父亲也 不是频繁集 ，由此大 大地减少 了需要验证 的项集 的数 目。 2)数据 聚类 (Dataclustering)：聚类是 指在事先不规 定分组规则 的情况 下 ，将 数据按 照其 自身特征 划分成不 同的群组 。分组基于的原理一般是 ：最大 的组 内相似性与最小 的组间相似性 。其基本 思想是 ： 对数据进行分 析 的过程 中 ，在考 虑数据 间 “距离”的同时 ，更侧 重考虑某些数据 间具有类 的共 同内涵 。聚 类方法包括 统计方法 、机器学 习方法 、神经 网络方法和面 向数据库 的方法 。 3)分类 规则 (Classificationrules)：数据分 类是基 于一组数据 的某些属 性的值进 行 的。数据分类 的 方法很多 ，包括决策树方法 、统计学方法 、神经 网络方 法 、最近邻居方法等 。最为典型 的分类方法是基 于 决策树 的分 类方法 。它是从 实例集 中构造 决策树 ，是一种 有指导 的学 习方法 。该 方法先根据 训练-y-集 (又称为 窗 口)形成决策树 。如 果该树不 能对所有对 象给 出正确 的分类 ，那 么选 择一些 例外加入到窗 口 中，重复该过程一直到形成正确 的决策集 。最终结果是一棵树 ，其叶结点是类名 ，中间结点是带有分枝 的属性 ，该分枝对 应该属性 的某一可能值 。 4)数据总结 ：数据 总结 目的是对数据进 行浓缩 ，给出它 的紧凑描述 。数据泛化是一种把数据库 中的 有关数据从 低层次抽 象到高层次上 的过 程 。。数据泛化 目前 主要有两种技术 ：多维数据 分析方法 和面 向 属性 的 归纳 方法 。 2．W ebj宅掘 Web挖 掘 是数 据 挖掘 的一 个分 支 ，近 几年 发展 比较 活跃 。互 联 网 的迅猛 发展 ，使得 WorldW ide Web 已经成 为一个 巨大的 ，蕴涵 着具有潜在价