浅析基于Web数据挖掘的电子商务网站架构

浅析基于Web数据挖掘的电子商务网站架构

文／杜芳芳摘要：Web挖掘是一项综合技术，涉及Web、数据挖掘、计算机语言学、信息学等多个领域。Web数据挖掘是数据挖掘领域的一个新的研究方向。本文主要介绍了数据挖掘技术在电子商务网站方面的应用，提出了构建一个面向数据挖掘的电子商务网站体系架构。

关键词：web挖掘，电子商务，网站架构

1、引言

电子商务是指个人或企业通过Internet，采用数字化电子方式进行商务数据交换和开展商务活动，包括财产清算、广告、分销及支付货物和服务。目前已有网上商情广告、电子票据交换、网上订购、网上银行、网上支付结算等多种类型的电子商务形式。尽管电子商务还处于襁褓，然而它正以其成本低廉、方便、快捷、不受时间和空间的限制等突出优点而逐步在全球流行。

随着Internet的普及和电子商务的发展，电子商务系统在为用户提供越来越多选择的同时，其结构也变得更加复杂。而企业如何对电子商务信息进行有效组织利用，使客户能够从大量繁杂的数据中找出真正有价值的信息和知识，是电子商务平台要迫切解决的焦点问题。将数据挖掘的思想和方法应用到电子商务中，解决个性化电子商务的实现，从而形成了Web数据挖掘。Web数据挖掘是数据挖掘领域的一个新的研究方向。

2、web数据挖掘技术在电子商务中应用

Web挖掘就是从大量的web文档集合和在站点内进行浏览的相关数据中发现蕴涵的、未知的、有应用价值的有用模式和隐藏信息。

运用web数据挖掘技术对站点上的各种数据源进行一定程度的挖掘，找到相关的一些知识模式，用来指导站点人员更好地运作站点和向客户提供更好的服务。一般运用Web数据挖掘

可以在站点上挖掘出来的知识模式有以下几个：

1.路径分析

它可以被用于判定在一个Web站点中最频繁访问的路径。还有一些其他的有关路径的信息通过路径分析可以得出。

2.关联规则的发现

运用在Web挖掘环境中的关联规则是指发现用户会话中经常被用户一起访问的页面集合。

3.序列模式的发现

序列模式的发现就是在时间戳有序的事务集中，找到那些“一些项跟随另一个项”的内部事务模式。通过序列模式的发现，能够在服务器方选取有针对性的页面，以满足访问者的特定要求。

4.分类规则的发现

分类发现就是给出识别一个特殊群体的公共属性的描述，这个描述可以用来分类新的项。得到分类后，就可以进行适合某一类客户的商务活动。

5.聚类分析

聚类分析可以从Web访问信息数据中聚集出具有相似特性的那些客户。在Web事务日志中，聚类顾客信息或数据项能够便于开发和执行未来的市场战略。

利用web访问信息进行挖掘，得到的有用信息可以帮助网站发现潜在客户，为客户提供优质服务，延长客户的驻留时间，还可以辅助改进站点设计，提供网站服务效率方面的信息，防范黑客攻击，保障网络的安全等。

3、基于Web数据挖掘的电子商务网站设计

随着网络技术的不断发展，网络已经渗透到社会的各个角落。作为网络世界支撑点的网站，更是人们关注的热点。如何才能使自己设计的网站更出色?我们可以借助Web挖掘技术，通过对网站内容的Web挖掘，主要是对文本内容的挖掘，有

69

应用研究

效地组织网站信息，比如采用自动归类技术实现网站信息的层次性组织；可以结合对访问日志信息的挖掘，把握用户的兴趣，有助于网站信息推送服务以及个人信息的定制服务。本文主要是针对信息流的研究和开发，设计了一个B2C电子商务贸易平台系统框架。

1.主要模块

前台主要包括：会员注册模块、商品展示、商品查询、购物车设计、订单的生成、客户服务等。利用前台模块可以实现与用户的交流。后台主要包括：客户管理部分、商品管理部分、订单处理部分、收款处理部分等。

2.后台数据库服务

为了将数据挖掘技术引入进来，需要在web服务器上构建相应的数据库系统，用来有针对性地记录客户浏览网站的路径及相关页面和商品点击信息。该系统包含多个原始的静态数据库，对于企业给出的一个特定的挖掘任务，需要从中生成特定的关联数据库，为了使数据挖掘过程及产生的模式均在后台执行，保证Web服务器的效率，本设计将关联数据库及其操作置于后台数据库系统中。

本文以一个虚拟的学生毕业设计所做商场网站为实验对象，利用不同的用户进行浏览访问，收集相应的数据，得到原始的数据库。之后，根据挖掘任务，向Web服务器提出请求，从己有的数据库中提取相关数据。由于不同的表达方式可能会造成数据挖掘算法对数据含义理解的不确定性，因此搜集完相关数据后，还需要清除无用数据、对带噪音的数据进行净化。

完成数据的提取和净化之后，得到挖掘过程需要的数据库。DM算法是此模型的核心，它分为路径分析模块—可发现电子购物网站内的所有页面中的重要页面（用户访问次数较多的页面），这样就可将重要的分类信息及促销信息放在这些页面上，我们还可以利用用户浏览路径信息和时间信息挖掘用户对页面或商品的感兴趣程度，把它作为站点优化和个性化推荐的依据，从而达到吸引客户的目的；客户细分模块—运用数据挖掘的聚类功能，可按照不同的标准，比如：客户的消费心理、消费习惯、购买频率来划分不同的用户群体，以实现对客户的针对性服务及开发针对性的产品，以提高客户的满意度，最大限度的挖掘客户对企业的终身价值。通过这样的细分类有助于企业根据客户的不同特征提供差异化的服务；关联分析模块—它用来发现电子商务中的关联规则：如客户在一次购物中同时购买什么产品。根据实验的结果，将数据挖掘工具融合到创建的网站中，可以较好地发现潜在客户群体、重要页面等，根据挖掘到的信息适时地调整该网站的有关促销策略和结构，取得了较好的效果。4、结束语

本文构建了一个电子商务网站系统模型，并且web数据挖掘技术融入到里面，以便实现电子商务的个性化服务。通过数据挖掘可以促进电子商务网站的开发以及运行效率。

参考文献：

[1]张健沛等．基于Web的日志挖掘数据预处理方法的研究．计算机工程与应用，2003(10)

[2]戴军湘，李陶等．web日志挖掘技术及其在电子商务中的应用，科学技术与工程，2006(15)

[3]郭伟刚，寒亦兵等。电子商务网站的用户访问模式挖掘，微电子学与计算机，2005(5)

作者简介：

杜芳芳，唐山学院计算机科学与技术系，讲师

70