[論文關鍵詞] 商務 Web數據挖掘 Web日誌
[論文摘要] 在電子商務中，數據挖掘有助於發現業務發展的趨勢，幫助企業做出正確的決策。本文對目前電子商務中的Web數據挖掘方法進行了，並對電子商務中的Web數據對象進行了分類，對網絡數據挖掘的作用進行了分析，爲今後電子商務中實用Web數據挖掘軟件的開發與應用提供了參考。
一、電子商務和數據挖掘簡介
電子商務是指個人或企業透過Internet網絡，採用數字化電子方式進行商務數據交換和開展商務業務活動。目前國內已有網上商情廣告、電子票據交換、網上訂購，網上、網上支付結算等多種類型的電子商務形式。電子商務正以其低廉、方便、快捷、安全、可靠、不受時間和空間的限制等突出優點而逐步在全球流行。
數據挖掘(Data Mining)是伴隨着數據倉庫技術的發展而逐步完善起來的。數據挖掘主要是爲了幫助商業用戶處理大量存在的數據，發現其後隱含的規律性，同時將其模型化，來完成輔助決策的作用。它要求從大量的、不完全的、有噪聲的、模糊的和隨機的數據中，提取人們事先不知道的但又是潛在有用的資訊和知識。數據挖掘的過程有時也叫知識發現的過程。
而電子商務中的數據挖掘即Web挖掘，是利用數據挖掘技術從www的資源（即Web文檔）和行爲（即We服務）中自動發現並提取感興趣的、有用的模式和隱含的資訊，它是一項綜合技術涉及到Internet技術學、人工智能、、資訊學、學等多個領域。
二、Web數據挖掘對象的分類
Web數據有3種類型：HTML標記的Web文檔數據，Web文檔內連接的結構數據和用戶訪問數據。按照對應的數據類型，Web挖掘可以分爲3類：
內容挖掘:就是從Web文檔或其描述中篩選知識的過程。
結構挖掘:就是從Web的組織結構和連結關係中推導知識。它的目的是透過聚類和分析網頁的連結，發現網頁的結構和有用的模式，找出權威網頁。
使用記錄挖掘：就是指透過挖掘存儲在Web上的訪問日誌，來發現用戶訪問Web頁面的模式及潛在客戶等資訊的過程。
三、電子商務中數據挖掘的方法
針對電子商務中不同的挖掘目標可以採用不同的數據挖掘方法，數據挖掘的方法有很多，主要包括下面3大類：統計分析或數據分析，知識發現，基於預測模型的挖掘方法等。
1.統計分析。統計分析主要用於檢查數據中的規律，然後利用統計模型和數學模型來解釋這些規律。通常使用的方法有線性分析和非線性分析、連續迴歸分析和迴歸分析、單變量和多變量分析，以及時間序列分析等。統計分析方法有助於查找大量數據間的關係，例如，識別時間序列數據中的模式、異常數據等，幫助選擇適用於數據的恰當的統計模型，包括多維表、剖分、排序，同時應生成恰當的圖表提供給分析人員，統計功能是透過相應的統計工具來完成迴歸分析、多變量分析等，數據用於查找詳細數據，瀏覽子集，刪除冗餘等。
2.知識發現。知識發現源於人工智能和機器學習，它利用一種數據搜尋過程，去數據中抽取資訊，這些資訊表示了數據元素的關係和模式，能夠從中發現商業規則和商業事實。利用數據可視化工具和瀏覽工具有助於開發分析以前挖掘的數據，以進一步增強數據發掘能力。其他數據挖掘方法，如可視化系統可給出帶有多變量的圖形化分析數據，幫助商業分析人員進行知識發現。
3.預測模型的挖掘方法。預測模型的挖掘方法是將機器學習和人工智能應用於數據挖掘系統。預測模型基於這樣一個假設：消費者的消費行爲具有一定的重複性和規律性，這使得商家可以透過分析收集存儲在數據庫中的交易資訊，預測消費者的消費行爲。按消費者所具有的特定的消費行爲將其分類，商家就能將銷售工作集中於一部分消費者，即實現針對性銷售。
[1]
