在一次访问行为中， 访问了页面／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｌ ， 一 般也会访问页面／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｌ 。再如客户在线购
买某一品牌的牛奶， 一般也会购买某一品种 （ 另一品 牌） 的面包。进行Ｗｅ ｂ 上的数据挖掘， 构建关联模型， 我们可以更好地组织站点，减少用户过滤信息的负
信息。如果能够从这个文件中存储的一些项进行语 法上的分析， 如Ｄ Ｎ Ｓ ， 就可以知道客户来源的区域， 如
域名 ｗ ｗ ｗ ． ｒ ａ ｓ ｔ ａ ． ａ ｅ ｊ ｐ被分析后可以知道客户来自于日 本。 如果通过数据挖掘和这样的语法分析， 就知道了 某一产品它的购买者有 ８ ０ ％是来 自于 日本， 那么接下
中图分类号： Ｔ Ｐ ３ １ １ ． １ ３
文献标识码： Ａ
电子商务中的数据挖掘及其应用
（ 中国 地质大学计算机科学与技术系，湖北 武ｉ Ｘ ４ ３ ０ ０ ７ ４ ）
摘 要：作为解决目前企业信息系统中普遮面临的 “ 数据爆炸”而 “ 信忽 缺乏”状况的最有效的手段之一，数 据挖掘受到了学术界和企业界的极大关注．详细阐述了电子商务中数据挖掘的数据资源、基本方法、体系结构 和典型应用． 关键词：数据挖掘；电子商务；关联规则
担。
电子商务带来了一些问题。 这个问题通过使用 ｃ ｏ ｏ ｋ ｉ ｅ 得到了克服。ｃ ｏ ｏ ｋ ｉ ｅ 是一种软件构件，它能够在客户 端存储客户访问服务器的信息。服务器软件上存储
关于ｃ ｏ ｏ ｋ ｉ ｅ 的这部分就叫做ｃ ｏ ｏ ｋ ｉ ｅ ｌ ｏ ｇ ｓ ． ｃ ｏ ｏ ｋ ｉ ｅ ｌ ｏ ｇ ｓ 的 一般格式是： ＂ ｎ ａ ｍ ｅ ， ｅ ｘ ｐ ｉ ｙ ｒ ｓ ｅ ｄ ａ ｔ ｅ ， ｐ ａ ｔ ｈ ， ｄ ｏ ｍ ａ ｉ ｎ ， ｓ ｅ ｃ ｕ ｒ ｉ ｙ ｔ －
和查询数据。 ①日 志文件 它分为ｓ ｅ ｒ ｖ ｅ ｒ ｌ ｏ ｇ ｓ ， ｅ ｒ ｒ ｏ ｒ ｌ ｏ ｇ ｓ ， ｃ ｏ ｏ ｋ ｉ ｅ ｌ ｏ ｇ ｓ ． ｓ ｅ ｒ ｖ ｅ ｒ ｌ ｏ ｇ ｓ 有两种格式存储， 一种是普通日
备了 极高的交互性能。 但无论是Ｂ ２ Ｂ （ Ｂ ｕ ｓ ｉ ｎ ｅ ｓ ｓ ｔ ｏ Ｂ ｕ ｓ ｉ － 志文件格式， 另一种是扩展 日志文件格式。普通 日志 文件格式以“ Ｄ ａ ｔ ｅ ， Ｃ ｌ ｉ ｅ ｎ ｔ Ｔ Ｐ ， Ｕ ｓ ｅ ｒ ｎ ａ ｍ ｅ ， Ｂ ｙ ｔ ｅ ｓ ， Ｓ ｅ ｒ ｖ ｅ ｒ ， Ｒ ｅ － ｎ ｅ ｓ ｓ 商家对商家） 还是Ｂ ２ Ｃ （ Ｂ ｕ ｓ ｉ ｎ ｅ ｓ ｓ ｔ ｏ Ｃ ｕ ｓ ｔ ｏ ｍ ｅ ｒ 商家对
作者简介：蒋良 孝（ １ ９ ７ ７ － ） ，男，湖南人， 硕士 研究生， 研究方向为数据挖掘；蔡之华， 硕士生导师。
一 ７ ４一
万方数据
存取请求失败 的数据 ， 如丢失连接 、授权失败 、 超时
等。 ｃ ｏ ｏ ｋ ｉ ｅ Ｉ ｏ ｇ ｓ ， Ｈ Ｍ 协议本身是一种非事务型的， 这
一种特征对于事务型的电子商务来说是不合适 的， 给
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｓ ａ ｍ ｏ ｓ ｔ ｖ ａ ｌ ｉ ｄ ｍ ｅ ａ ｎ ｓ ｏ ｆ ｓ ｏ ｌ ｖ ｉ ｎ ｇ ｔ ｈ ｅ ｓ ｔ ａ ｔ ｕ ｓ ｏ ｆ ＂ ｄ ａ ｔ ａ ｅ ｘ ｐ ｌ ｏ ｓ ｉ ｏ ｎ ＂ ｂ ｕ ｔ ＂ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｌ ａ ｃ ｋ ＂ ｔ ｈ ａ ｔ ｃ ｕ ｒ ｅ ｒ ｎ ｔ ｅ ｎ ｔ ｅ ｒ ｐ ｒ ｉ ｓ ｅ ｉ ｎ － ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ ｓ ａ ｒ ｅ ｆ ａ ｃ ｅ ｄ ｗ ｉ ｔ ｈ ， ｄ ａ ｔ ａ ｍ ｉ ｎ ｉ ｎ ｇ ｉ ｓ ｐ ａ ｙ ｉ ｎ ｇ ｍ ａ ｘ ｉ ｍ ｕ ｍ ａ ｔ ｔ ｅ ｎ ｔ ｉ ｏ ｎ ｔ ｏ ｔ ｈ ｅ ａ ｃ ａ ｄ ｅ ｍ ｉ ａ ａ ｎ ｄ ｅ ｎ ｔ ｅ ｒ ｐ ｒ ｉ ｓ ｅ ． Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｓ ｅ ｔ ｆ ｏ ｒ ｔ ｈ ｄ ａ ｔ ａ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ， ｂ ａ ｓ ｉ ｃ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ， ｓ ｙ ｓ ｔ ｅ ｍ ｃ ｏ ｎ ｓ ｔ ｕ ｒ ｃ ｔ ａ ｎ ｄ ｔ ｙ ｐ ｉ ｃ ａ ｌ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ｄ ａ ｔ ａ ｍ ｉ ｎ ｉ ｎ ｇ ｉ ｎ ｅ ｌ ｅ ｃ ｒ ｔ ｏ ｎ ｉ ｃ ｃ ｏ ｍ ｍ ｅ ｒ ｃ ｅ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ． Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ ： ｄ ａ ｔ ａ ｍ ｉ ｎ ｉ ｎ ｇ ； ｅ ｌ ｅ ｃ ｒ ｔ ｏ ｎ ｉ ｃ ｃ ｏ ｍ ｍ ｅ ｒ ｃ ｅ ； ａ ｓ ｓ ｏ ｃ ｉ ａ ｔ ｉ ｏ ｎ ｕｌ ｒ ｅ ｓ
１ 引 言
Ｊ Ｉ Ａ Ｎ Ｇ Ｌ ｉ ａ ｎ ｇ － ｘ ｉ ａ ｏ ， Ｃ Ａ Ｉ Ｚ ｈ ｉ － ｈ ｕ ａ
务信息， 以指导 日后 的电子商务活动。
电子商务就是指交易者之 间依托计算机 网络 ， 按
２ 电子商务中数据挖掘的数据资源
便于 电子 商务的组织者预测客户的访 问模式， 对客户
３ 电子商务中数据挖掘的基本方法
（ １ ） 路径分析： 它可以被用于判定在一个Ｗｅ ｂ 站点 中最频繁访问的路径。还有一些其它的有关路径的 信息通过路径分析也可以得出。 如７ ０ ％的用户端在访
问／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｌ 时， 是从／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ 开始， 经过／ ／ ｃ ｏ ｍ － ｐ ａ ｎ ｙ ／ ｎ ｅ ｗ ｓ ， ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ 巾 ｒ ｏ ｄ ｕ ｃ ｔ ｓ ， ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｌ ； ８ ０ ％的 访问这个站点的客户是从／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｓ开始的： ６ ５ ％的客户在浏览４ 个或更少的页面后就离开了。第 １ 条规则在／ ｃ ｏ ｍ ｐ ａ ｎ ｙ 巾 ｒ ｏ ｄ ｕ ｃ ｔ ２ 页面上有有用的信息， 但 如发现在／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ 巾 ｒ ｏ ｄ ｕ ｃ ｔ ｌ 进行过在线订购的客户中 因为客户对站点进行 的是迁回绕 行的访 问， 所 以这个 有６ ０ ％是２ ０ －３ ０ 岁生活在大中城市的年轻人。 得到分 有用信息并不 明显 。 第２ 条规则说 明了客户对站点的 类后，就可以针对这一类客户的特点展开商务活动， 访问一般不是从主页开始的。 而是从／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｓ 提供有针对性的个性化的信息服务。 开始的， 如果在这个页面上包含一些产品的 目录类型 （ ５ ） 聚类分析的发现： 聚类分析法不同于分类规则 法， 其输入集是一组未标定 的记录 ， 也就是说此时输 的信息， 将是一个不错的主意。第３ 条规则说明了客
（ １ ） 服务器数据： 客户访问服务器就会在服务器上 产生相应的服务器数据 ， 这些数据可 以分为 日志 文件
照一定的规则或标准进行包括商务信息、 商务管理和 商品交易在内的全部商务活动。随着 Ｉ ｎ ｔ ｅ ｎ ｒ ｅ ｔ 技术的 不断发展， 电子商务已是企业发展的大势所趋。 借助 Ｉ ｎ ｔ ｅ ｎ ｒ ｅ ｔ 时间上迅速和空间上跨越的优势． 电子商务具
蒋良孝， 蔡之华
Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ａ ｎ ｄ ｉ ｔ ｓ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｉ ｎ ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｃ ｏ ｍ ｍｅ ｒ ｃ ｅ
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｃ ｈ ｉ ｎ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｇ ｅ ｏ ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ ， Ｈ ｕ ｂ ｅ ｉ Ｗ ｕ ｈ ａ ｎ ４ ３ ０ ０ ７ ４ ， Ｃ ｈ ｉ ｎ ａ ）
客户） ， 在其蓬勃发展的同时都面临着下面的问题： 商 家只能 以静态模式等待 网络访 问者浏 览网页 。客户 通过浏览文本介绍或图片说明对商品进行选择取舍， 而商家只能被动地通过后台数据服务器中的订单记 录等传统方式 了解商品的市场需求情况。 对于“ 时间 就是金钱， 商机稍纵即逝” 的市场规则而言， 如何才能 主动获知客户喜好并开发其购买潜力， 最快地找到相 应优势商品从而最迅速调整商业方案成 了一个十分 重要的问题。数据挖掘的出现为这一 问题提供 了很 好的解决方案。电子商务中的数据挖掘就是从海量 的商务信 息中提取 出隐含的、 有价值的和可理解的商
来就 可 以根据此信息调整 电子商务中的在线 市场策
略， 调整对 日本客户的商务活动。 扩展 日志文件格式 主要是支持关 于 日志文件元信息的指令，如版本号、 会话监控开始和结束的日期、 被记录的域等． ｅ ｒ ｒ ｏ ｒ ｌ ｏ ｇ ｓ
荟金 项目： 湖北省自 然 科学 基金资 助项目 （ ２ ０ ０ １ Ａ Ｂ Ｂ ０ ０ ６ 收稿日 期 ２ ０ ０ ２ － １ ０ － ３ １
（ ３ ） 序列模型的发现： 序列模式分析的侧重点在于 分析数据 间的前后或因果关系。就是在时间有序 的 事务集 中， 找到那些“ 一些项跟随另一些项” 的 内部事
务模式。 如， 在／ ｃ ｏ ｍ ｐ ａ ｎ ｙ ／ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｌ 上进行过在线定购的 顾客， 有６ ０ ％的人在过去１ ０ 天内也在／ ／ ｃ ｏ ｍ ｐ ａ ｎ ｙ 币 ｏ ｒ ｄ ｕ ｃ ｔ ２ 处下过定单。 再如， 在线定购过电脑的客户， ６ ０ ％的人 会在２ 个月内定购打印机和纸张。 发现序列模式能够
ｌ ｅ ｖ ｅ ｌ ＂ ｏ ②查询数据： 它是电子商务站点在服务器上产 生的 一种典型数据 。如对于在线 存储 的客户也许 会 搜索一些产品或某些广告信息， 这些查询信息就通过 ｃ ｏ ｏ ｋ ｉ ｅ 或是登记信息连接到服务器的访问日志上。 遗 憾 的是， 目前还没有一个标准的查询数据格式。 （ ２ ） 客户登记信息： 它是指客户通过Ｗｅ ｂ 页在屏幕 上输入的要提交给服务器的相关信息。它在电子商 务活动起着非常重要的作用， 特别是在安全方面， 或 者在对客户可访问信息的限制方面。在 Ｗ ｅ ｂ的数据 挖掘 中， 客户登记信息必须和访 问日志集成，以提高 数据挖掘的准确度 ， 能更进一 步了解客户 。