用戶訪問(wèn)模式中數(shù)據(jù)挖掘的模型與算法

文/王志俊

近年來(lái)，電子商務(wù)的快速發(fā)展，使企業(yè)紛紛將目光投入到電子商務(wù)領(lǐng)域中，越來(lái)越多的企業(yè)開(kāi)始在Web中建立相應(yīng)的商品目錄，用戶可利用瀏覽器來(lái)隨時(shí)隨地的瀏覽這些商品目錄，并可在瀏覽器中進(jìn)行商品訂購(gòu)和網(wǎng)上支付。在Web服務(wù)器中存儲(chǔ)著大量用戶和商家的交互信息，這些信息包括用戶的瀏覽信息、用戶的登記信息等，這些交互信息是按照日志的形式存儲(chǔ)于數(shù)據(jù)庫(kù)中的，而商家需要從數(shù)據(jù)庫(kù)中對(duì)這些信息進(jìn)行挖掘，以此找出用戶的行為規(guī)律性，這對(duì)于提高商家的市場(chǎng)銷售量具有重大意義。本文便針對(duì)該問(wèn)題對(duì)用戶訪問(wèn)模式中數(shù)據(jù)挖掘模型及算法進(jìn)行研究，以便于幫助企業(yè)更加高效的從海量的顧客數(shù)據(jù)與日志數(shù)據(jù)中挖掘到所需的潛在客戶群體，使企業(yè)能夠根據(jù)這些知識(shí)來(lái)制定合理的促銷策略。

1 用戶訪問(wèn)模式中的數(shù)據(jù)挖掘模型

1.1 E-OEM模型

為了使數(shù)據(jù)挖掘更加有效，需要對(duì)服務(wù)器的應(yīng)用邏輯、用戶瀏覽路徑乃至Web頁(yè)面的拓?fù)浣Y(jié)構(gòu)進(jìn)行全方位的考慮，并以此對(duì)OEM模型進(jìn)行擴(kuò)展，使其成為E-OEM模型。

定義1.對(duì)于某個(gè)對(duì)象S來(lái)說(shuō)，其包括標(biāo)識(shí)id與值val兩個(gè)組成部分，其中標(biāo)識(shí)id(S)能夠?qū)臻g中的對(duì)象進(jìn)行標(biāo)志，該標(biāo)志具有唯一性。而對(duì)象值val(S)則可采用原子形式與引用形式來(lái)表示，這兩種形式可分別表示為val (S)= {l 1 : d 1 ，… ，l m : d m }與val (S)= {l 1 : id(S1) ，… ，l n : id(Sn ) }，在原子形式中，li與di分別表示屬性與基本數(shù)據(jù)類型的屬性值，而引用形式中，lj與Sj則分別表示屬性與對(duì)象，Sj對(duì)象的引用為id(Sj)。

定義2，分別設(shè)定屬性與對(duì)象為li與Si，且i=0，1，...，n，如果i= 0，1，… ，n中的(l i : id(S i ) )∈ val (S i- 1 )值無(wú)論為多少均是成立的，則對(duì)象S0中的p為起始點(diǎn)，而對(duì)象Sn中的p為終止點(diǎn)，也就是說(shuō)Si中含有路徑p。可通過(guò)有向圖來(lái)表示E-OEM模型，其結(jié)點(diǎn)為對(duì)象標(biāo)識(shí)，其值中各對(duì)象對(duì)(l i : id(Si))的引用均包括一條帶標(biāo)號(hào)的li的有向邊相對(duì)應(yīng)。當(dāng)圖中有環(huán)時(shí)，則E-OEM圖有環(huán)。

定義3 對(duì)象空間是由大量可訪問(wèn)且相互獨(dú)立的對(duì)象所構(gòu)成的，各個(gè)對(duì)象均可通過(guò)E-OEM模型來(lái)描述，因此可通過(guò)對(duì)對(duì)象空間內(nèi)的對(duì)象信息進(jìn)行構(gòu)造，以此充當(dāng)領(lǐng)域知識(shí)來(lái)為數(shù)據(jù)挖掘提供指導(dǎo)。

1.2 E-OEM模型中的相關(guān)問(wèn)題

在E-OEM模型中，其URL函數(shù)可指定為文檔對(duì)象或其對(duì)象標(biāo)識(shí)，對(duì)象空間中的各個(gè)函數(shù)值均具有唯 一性，并且還可從中得到對(duì)象的元信息、拓?fù)湫畔⑴c一般信息。此外，考慮到各個(gè)用戶在瀏覽時(shí)，其信息都是在日志表中進(jìn)行統(tǒng)一登記的，因此在應(yīng)用數(shù)據(jù)挖掘技術(shù)時(shí)必須要對(duì)商家和用戶間的事務(wù)標(biāo)定問(wèn)題進(jìn)行解決。

2 用戶訪問(wèn)模式中數(shù)據(jù)挖掘算法研究

2.1 頻繁訪問(wèn)模式挖掘算法

相比于頻繁序列模式，頻繁訪問(wèn)模式有很多共通之處，但其不同之處在于用戶在瀏覽時(shí)存在的不確定性，這也造成不同用戶在訪問(wèn)模式上大致相同，但其內(nèi)部細(xì)節(jié)卻有所不同，因此如果采用頻繁序列模式，反而會(huì)因算法的敏感度過(guò)大而造成模式數(shù)量大幅增加，因此難以適用。為了使該問(wèn)題得到解決，需要將路徑相似度引入到用戶訪問(wèn)模式之中，考慮到序列眾多并且前綴存在許多重復(fù)，因此需要采用與Hash樹(shù)相似的方法來(lái)對(duì)其序列進(jìn)行檢索與存儲(chǔ)，通過(guò)在掃描事務(wù)數(shù)據(jù)庫(kù)時(shí)對(duì)Hash樹(shù)進(jìn)行建立與調(diào)成，然后對(duì)不同模式的支持度進(jìn)行計(jì)算，即可獲得頻繁訪問(wèn)模式的Hash樹(shù)結(jié)構(gòu)。為了避免匹配樹(shù)寬度過(guò)大，同時(shí)也為了便于并行處理數(shù)據(jù)分塊，還要在不同匹配樹(shù)中利用兩層Hash來(lái)散轉(zhuǎn)訪問(wèn)模式。

2.2 潛在客戶群挖掘算法

通常來(lái)說(shuō)，可利用負(fù)事務(wù)數(shù)據(jù)庫(kù)D-的聚類及分類過(guò)程來(lái)描述潛在客戶群挖掘過(guò)程。可通過(guò)Kean聚類算法對(duì)特定模式下D-所具有的相似關(guān)系進(jìn)行計(jì)算，頻繁訪問(wèn)模式下的數(shù)據(jù)挖掘結(jié)果便是初始K個(gè)聚類中心，當(dāng)然業(yè)務(wù)人員可以自行指定，按照路徑相似關(guān)系來(lái)確定模式相似關(guān)系，當(dāng)模式為P1 = 〈p 11 - p12 … - p1n 〉及 P2 = 〈p 21 - p22 … - p2n 〉時(shí)，可進(jìn)行以下定義，即

Sim-Pattern(p1，p2)= |{pi |sim path( pi1 ，pi2)) ≥ min sim}|/n

由此便可得到P1與P2這兩個(gè)模式的相似度，如果Sim-Pattern(p1，p2)超過(guò)自定義的閾值，自定義閾值為 MIN SIM [0，1]，這時(shí)可認(rèn)為P1與P2模式具有相似關(guān)系。

3 結(jié)語(yǔ)

總而言之，商家在電子商務(wù)戰(zhàn)略制定中必須要運(yùn)用數(shù)據(jù)挖掘技術(shù)從海量的數(shù)據(jù)中找到潛在客戶群，以此探尋更加高效的用戶訪問(wèn)模式，這對(duì)于商家做出正確的商業(yè)決策具有重要意義。本文采用E-OEM模型，從服務(wù)器應(yīng)用邏輯、用戶瀏覽路徑和頁(yè)面拓?fù)浣Y(jié)構(gòu)等多個(gè)方面，對(duì)不同用戶訪問(wèn)模式下的數(shù)據(jù)挖掘模型及其算法進(jìn)行了研究，從而為企業(yè)在電子商務(wù)發(fā)展中提供了行之有效的數(shù)據(jù)挖掘技術(shù)手段。