資源描述：
《聚類挖掘在電子商務(wù)中的應(yīng)用 》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、聚類挖掘在電子商務(wù)中的應(yīng)用[摘要]闡述了在電子商務(wù)系統(tǒng)中的研究和應(yīng)用中，利用基于關(guān)聯(lián)規(guī)則的多層次、超圖分割聚類方法，對(duì)Web網(wǎng)頁(yè)和用戶進(jìn)行有效聚類。該方法借助網(wǎng)站層次圖，可以根據(jù)實(shí)際需要，在各個(gè)層次上進(jìn)行聚類分析，僅將高度相關(guān)的網(wǎng)頁(yè)和用戶聚在同一類，而將關(guān)聯(lián)性較小的網(wǎng)頁(yè)排除在聚類外?！ 關(guān)鍵詞]聚類挖掘電子商務(wù)關(guān)聯(lián)規(guī)則超圖 由于Web具有方便、易用、高效的特點(diǎn)，電子商務(wù)顯示出越來(lái)越強(qiáng)大的生命力，同時(shí)各種商業(yè)Web站點(diǎn)也面臨越來(lái)越激烈的競(jìng)爭(zhēng)?！ ∮行Ь垲怶eb用戶和網(wǎng)頁(yè)對(duì)改進(jìn)網(wǎng)站質(zhì)量、完善電子商務(wù)中產(chǎn)品銷售策略具有十分重要的意義。在電子商務(wù)中
2、，瀏覽模式相似的用戶具有相似的購(gòu)買習(xí)慣，通過(guò)聚類挖掘，將這些用戶聚集在同一類，可以制定相似的銷售策略。根據(jù)瀏覽模式聚集在同一類中的網(wǎng)頁(yè)，是大多數(shù)用戶共同訪問的網(wǎng)頁(yè)，在這些網(wǎng)頁(yè)之間建立超鏈接，以方便用戶使用?！ ‖F(xiàn)有的基于瀏覽模式的Web聚類挖掘研究方法中，只要用戶請(qǐng)求了一個(gè)網(wǎng)頁(yè)，便認(rèn)為用戶閱讀了該網(wǎng)頁(yè)，事實(shí)上有些被請(qǐng)求的網(wǎng)頁(yè)用戶并不關(guān)心，不會(huì)認(rèn)真閱讀的。通常一個(gè)實(shí)用網(wǎng)站包含大量的網(wǎng)頁(yè)，現(xiàn)有的Web聚類方法將每個(gè)網(wǎng)頁(yè)當(dāng)作一個(gè)被聚項(xiàng)，無(wú)論用戶訪問的頻繁與否，總是歸入一個(gè)類中，結(jié)果造成有些類中的網(wǎng)頁(yè)之間幾乎沒有相關(guān)性。 鑒于以上考慮，本文提出了基于關(guān)聯(lián)
3、規(guī)則和超圖分割的聚類Web網(wǎng)頁(yè)及用戶的方法，不僅考慮了用戶瀏覽網(wǎng)頁(yè)的時(shí)間長(zhǎng)短，還考慮了聚類層次（級(jí)別），將不相關(guān)網(wǎng)頁(yè)項(xiàng)排除在聚類之外，使每個(gè)類中的網(wǎng)頁(yè)具有較高的相關(guān)性。采用這種方法，可以優(yōu)化Web站點(diǎn)拓?fù)浣Y(jié)構(gòu)，指導(dǎo)企業(yè)調(diào)整營(yíng)銷策略，給客戶提供動(dòng)態(tài)的個(gè)性化的高效率服務(wù)?！ ∫?、建立電子商務(wù)網(wǎng)站的層次模型 建立電子商務(wù)網(wǎng)站的層次模型出于三點(diǎn)考慮。第一，網(wǎng)站中網(wǎng)頁(yè)內(nèi)容組織呈現(xiàn)樹狀結(jié)構(gòu)。第二，在進(jìn)行關(guān)聯(lián)規(guī)則挖掘過(guò)程中，可能最下一級(jí)挖掘不出達(dá)到指定Support的強(qiáng)規(guī)則，但是能從上級(jí)層次挖掘出達(dá)到指定Support的強(qiáng)規(guī)則，或根據(jù)實(shí)際需要在某一個(gè)層
4、次進(jìn)行聚類分析。第三，對(duì)于電子商務(wù)網(wǎng)站，有些用戶雖然訪問了某網(wǎng)頁(yè)，但是對(duì)其內(nèi)容并不感興趣，可能只是掃一眼就放棄。在此情況下，不應(yīng)該認(rèn)為用戶認(rèn)真閱讀了該網(wǎng)頁(yè)，所以應(yīng)該記錄網(wǎng)頁(yè)的長(zhǎng)度，通過(guò)計(jì)算用戶的瀏覽時(shí)間和網(wǎng)頁(yè)長(zhǎng)度的比值來(lái)判斷用戶是否真正認(rèn)真閱讀了該頁(yè)內(nèi)容?！ 哟文Ｐ筒捎脴錉罱Y(jié)構(gòu)來(lái)描述，節(jié)點(diǎn)的數(shù)據(jù)域包含對(duì)應(yīng)網(wǎng)頁(yè)的層次名稱（編號(hào)）和網(wǎng)頁(yè)長(zhǎng)度。樹根應(yīng)該取所研究的網(wǎng)站根目錄（研究整個(gè)網(wǎng)站）或所研究的網(wǎng)站分支的最上層目錄。在建立層次模型時(shí)，應(yīng)根據(jù)網(wǎng)站的具體情況決定采用的方法。通常情況下，網(wǎng)頁(yè)文件名能完全反映網(wǎng)頁(yè)所在的層次，可以采用完全自動(dòng)方法進(jìn)行轉(zhuǎn)換?！ ?/p>
5、 二、基于關(guān)聯(lián)規(guī)則的聚類挖掘 1.預(yù)處理 在Web站點(diǎn)中，服務(wù)器日志文件記錄用戶的訪問方式、所訪問的頁(yè)面、訪問時(shí)間、用戶IP地址等信息，通過(guò)收集Web日志所記錄的用戶瀏覽信息可以對(duì)網(wǎng)頁(yè)和用戶聚類。首先要對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，獲得每個(gè)用戶所訪問的網(wǎng)頁(yè)序列。將一個(gè)用戶對(duì)某個(gè)特定網(wǎng)站的一次連續(xù)瀏覽（從登錄該網(wǎng)站一直到離開該網(wǎng)站）所訪問的網(wǎng)頁(yè)序列稱為一個(gè)用戶瀏覽事務(wù)。如果用戶中途訪問了另一網(wǎng)站，而后又返回該網(wǎng)站，返回后所瀏覽的網(wǎng)頁(yè)序列將組成另一個(gè)用戶瀏覽事務(wù)。處理后的事務(wù)序列將具有如下的形式： u_id（用戶標(biāo)志編號(hào)），p_id(頁(yè)面編號(hào))
6、序列 2.挖掘關(guān)聯(lián)規(guī)則并計(jì)算關(guān)聯(lián)規(guī)則可信度的平均值 對(duì)經(jīng)過(guò)預(yù)處理的瀏覽事務(wù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，挖掘出滿足一定支持度的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是在挖掘出頻繁網(wǎng)頁(yè)集的基礎(chǔ)上發(fā)現(xiàn)的，由于頻繁網(wǎng)頁(yè)集是大多數(shù)用戶在一個(gè)事務(wù)，即一次網(wǎng)站訪問中所共同瀏覽的頁(yè)面，所以頻繁網(wǎng)頁(yè)集反映了這些網(wǎng)頁(yè)或共同訪問這些網(wǎng)頁(yè)的用戶之間存在一定的聯(lián)系，如網(wǎng)頁(yè)內(nèi)容高度相關(guān)。在進(jìn)行聚類時(shí)，應(yīng)該首先考慮將頻繁網(wǎng)頁(yè)集中的網(wǎng)頁(yè)聚合在一個(gè)類中?！ ⊥ǔＭ诰蝾l繁網(wǎng)頁(yè)集的方法是在給定某一支持度的基礎(chǔ)上進(jìn)行的，滿足該給定支持度的一個(gè)頻繁網(wǎng)頁(yè)集中的網(wǎng)頁(yè)可能是另一個(gè)或另幾個(gè)頻繁網(wǎng)頁(yè)集中的元素，那么將這些網(wǎng)頁(yè)
7、應(yīng)該聚合到前一項(xiàng)目集還是后面的某一項(xiàng)目集？正確的選擇應(yīng)該是看這些網(wǎng)頁(yè)和哪一項(xiàng)目集聯(lián)系更為密切，可采用的方案有兩種：提高支持度繼續(xù)挖掘頻繁網(wǎng)頁(yè)集直到每一網(wǎng)頁(yè)僅處于一個(gè)項(xiàng)目集或利用各頻繁網(wǎng)頁(yè)集中網(wǎng)頁(yè)之間關(guān)聯(lián)規(guī)則的可信度。進(jìn)一步仔細(xì)分析，前一方案不可取，首先可能不存在一個(gè)支持度使每個(gè)網(wǎng)頁(yè)僅位于一個(gè)頻繁網(wǎng)頁(yè)集中；其次即使存在這樣一個(gè)支持度，再進(jìn)行多次的頻繁網(wǎng)頁(yè)集挖掘代價(jià)也太高，實(shí)際中是不可行的?！ ∠啾戎?，后一方案可行度高，在挖掘出滿足指定支持度的頻繁網(wǎng)頁(yè)集的基礎(chǔ)上，可以較為方便地計(jì)算出每一個(gè)頻繁網(wǎng)頁(yè)集中的每個(gè)關(guān)聯(lián)規(guī)則的可信度?？尚哦鹊拇笮∫卜从沉司W(wǎng)頁(yè)之
8、間關(guān)聯(lián)的密切程度。為此，計(jì)算每個(gè)頻繁網(wǎng)頁(yè)集中所有的關(guān)聯(lián)規(guī)則的可信度，在此基礎(chǔ)上計(jì)算其所有關(guān)聯(lián)規(guī)則可信度的平均值，用可信度的
