用户访问模式挖掘及在电子商务中的应用(3)
2014-06-02 01:14
导读：在图4的例子中， 是一条频繁遍历路径，也是用户会话2和4的一条子路径，尽管在用户会话4中，它的顶点是不连续的，但在图5中，它是一条路径。还有，频
在图4的例子中，
是一条频繁遍历路径，也是用户会话2和4的一条子路径，尽管在用户会话4中，它的顶点是不连续的，但在图5中，它是一条路径。还有，频繁遍历路径不能再延伸，由于如图4所示，它的终结点A只有到顶点B和C的两条弧，并已经包含在这条路径中。频繁遍历路径不能延伸，既不是由于已经包含在路径中的顶点C，也不是由于顶点B，由于不是频繁遍历路径。
四、Web日志挖掘的应用
从Web使用数据中挖掘出的访问模式可以应用到广阔的领域，以下仅先容在电子商务中的应用。
(一)个性化服务
根据网站用户的访问情况，为用户提供个性化信息服务，这是很多互联网应用，尤其是互联网信息服务或电子商务(网站)所追求的目标。根据用户的访问行为和档案向使用者进行动态的推荐，对很多应用都有很大的吸引力。Web日志挖掘是一个能够出色地完成这个目标的方式。
例如141：SiteHelper可以通过分析每个用户的网页访问情况，了解用户的爱好，并从用户浏览时间较长的网页中抽取出相应关键字，汇总后给用户，获得反馈后，再向用户推荐网站中其他类似或相关网页。又如：WebWatcher“跟踪”用户浏览网页过程，识别用户可能感爱好的链接，WebWatcher根据用户本人和其他类似用户的浏览情况，对每个新网页进行评估，以帮助用户能够及时地浏览自己感爱好的网页。
(二)贸易智能
有关用户访问网站的行为模式，对于电子商务中的市场职员来说是非常重要的，通过定义Web使用日志的超维数据立方，将Web使用数据与电子商务应用数占有机地结合在一起。这样就可以利用数据挖掘方法与技术来为客户关系治理中的四个重要阶段(吸引顾客，保存顾客，交叉销售，顾客离开)提供决策支持。例如：WebLogMiner可以将Web日志数据转换为超维数据立方的形式以便能够进行OLAP分析处理和数据挖掘工作。在WebLogMiner系统中还使用了关联规则，分类和序列模式分析等数据挖掘方法，得到了电子商务交易行为序列、特征和交易预期的分析。 （科教范文网http://fw.ΝsΕΑc.com编辑）
五、小结
本文运用一种基于Web拓扑结构(图结构)挖掘用户访问模式的方法，区别于常用的基于树形结构的Web路径分析技术，进步了发现模式的精确性和效率。我们给出一个像Aprior那样的逐层搜索算法，得到用户的浏览模式。
