点击流中事务数据模型的设计与实现

点击流数据简单说就是Web服务器上一系列有序的日志记录。随着WWW应用及电子商务的高速发展,电子商务网站的Web服务器上自动收集了大量的用户访问信息记录,即所谓的Web日志。Web日志蕴涵了大量的有用信息,如客户来源、客户访问趋势、客户兴趣、网站流量等,因而记录和分析Web日志数据已逐渐成为e企业的一项重大活动。点击流数据仓库对原始的Web日志数据进行过滤、清洗并集成,以便于利用联机分析处理和数据挖掘技术对点击流数据做进一步分析,从而为企业创造巨大的信息财富。     

Web2.0增值业务的客户关系管理研究

企业通过客户关系管理能全面有效地管理客户同企业的关系,建立起长久稳定的关系,从而实现客户与企业双方的最大价值.客户关系管理在很大程度上影响着企业的发展和市场的拓展.现在越来越多的企业研究与应用客户关系管理.随着Web2.0增值业务的不断发展,传统的客户关系管理已经不能很好地为企业服务.通过与Web1.0下的客户关系管理进行比较,分析总结了传统CRM针对Web2.0所需要进行的调整,并在此基础上对Web2.0的CRM关键技术进行了分析,最后针对Web2.0增值业务的特点,总结得出了Web2.0的CRM系统框架.     

Web2．0增值业务的客户关系管理研究

企业通过客户关系管理能全面有效地管理客户同企业的关系,建立起长久稳定的关系,从而实现客户与企业双方的最大价值。客户关系管理在很大程度上影响着企业的发展和市场的拓展。现在越来越多的企业研究与应用客户关系管理。随着Weh2．0增值业务的不断发展,传统的客户关系管理已经不能很好地为企业服务。通过与Web1．0下的客户关系管理进行比较,分析总结了传统CRM针对Web2．0所需要进行的调整,并在此基础上对Web2．0的CRM关键技术进行了分析．最后针对Web2．0增值业务的特点,总结得出了Web2．0的CRM系统框架。     

基于WEB数据挖掘的电子商务应用技术

本文描述了Web数据挖掘的用途,通过分析web数据挖掘的流程描述了数据挖掘的基本规律,从电子商务应用的角度分析Web数据挖掘的作用,并详细分析了对电子商务的所有客户类型进行数据挖掘的方法。     

Web日志的高效多能挖掘算法

通过对Web服务器日志文件和客户交易数据进行分析,可以发现相似客户群体、相关Web页面和频繁访问路径,提出了一种新颖的Web日志挖掘算法。在该算法中,首先以Web站点URL为行、以UserID为列建立URL－UserID关联矩阵、元素值为用户的访问次数,然后,在列向量进行相似性分析得到相似客户群体,对行向量进行相似性度量获得相关Web页面,对后者再进一步还可以发现频繁访问路径。实验结果表明了算法的有效性。     

WEB使用挖掘在电子商务网站建设中的应用研究

本文介绍了数据挖掘技术及其在电子商务网站建设中的应用,运用Web数据挖掘技术对客户的购买活动进行分析,并进行实验验证,实验结果表明使用Web数据挖掘技术能够确定网站的目标客户群。     

访问Web服务的技术探讨

本文分析了.NET的Web服务的体系结构，讨论了客户和服务对象之间的通信形式，利用HTTP GET、HTTP POST、SOAP三种不同的方法在实例中对Web服务进行了访问，并对这三种方法进行了对比。     

一种高效的Web服务迁移算法*

为了满足Web服务动态分布的需求,并保证Web服务迁移的一致性,提出一种基于Broker的Web服务迁移算法WS Broker.其在保证迁移一致性的基础上了,提高了迁移效率.另外,通过分析客户请求之间的依赖关系,提前执行了某些阻塞的客户请求,缩短了服务中断时间.实验结果表明,WS Broker在保证迁移一致性的基础上有效地提高了Web服务迁移的效率.     

一种基于Web数据挖掘的ICRM系统设计与实现

该系统利用Web数据挖掘技术获取客户供给信息、客户需求信息、客户咨询信息，再结合企业自己的综合数据库，并在Internet上利用email、短信等方式，来满足客户的需要，进行相应的客户关系管理。     

基于用户会话的Web服务器应用软件的QoS技术分析

传统的Web服务器应用软件对客户的请求不加识别和区分，接收到一个请求便立即进行处理。因此，这种“一视同仁”的服务无法为高优先级的请求提供Web QOS保证。通过改进应用软件，Web服务器可以为不同的客户或请求提供Web QOS。其主要方法是将客户的HTTP请求进行分类，并且实现优先化调度、接纳控制、资源分配等机制。本文介绍了基于用户会话的Web服务器应用软件的QoS技术，并指出其中存在的缺陷。     

蚁群算法在Web站点导航中的应用研究

Web站点导航是Web数据挖掘的一个重要研究领域,是准确理解用户访问网站行为的关键;传统Web站点导航技术很难全面反映出用户对页面浏览的兴趣程度,找到用户感兴趣页面路径准确度比较低;为提高找到用户感兴趣页面路径准确度,提出一种基于蚁群算法的Web站点导航技术;将网络用户看作人工的蚂蚁,用户的浏览兴趣作蚂蚁的信息素,通过利用Web日志数据采用正负反馈机制和路径概率选择机制建立一个Web站点导航模型,挖掘用户感兴趣页面的导航路径;仿真实验结果表明,基于蚁群算法的Web站点导航技术提高了找到用户感兴趣页面路径准确度,更加能够准确反映出用户的浏览兴趣,用于Web站点导航是可行的。     

基于粗糙近似的Web事务聚类方法研究

Web使用挖掘是数据挖掘技术在Web信息仓库中的应用.Web使用挖掘通过挖掘Web服务器日志获取的知识来预测用户浏览行为,是Web挖掘技术中的一个重要研究方向.通常发现的知识或一些意外规则很可能是不精确的、不完备的,这就需要用软计算技术如粗糙集来解决.提出一种基于粗糙近似的聚类方法,该方法能够实现从Web访问日志中聚类Web事务.通过这种方法可以有效地挖掘Web日志记录,从而发现用户存取Web页面的模式.     

一种Web挖掘的框架

随着Web信息量的增长,Web用户也迅速增长,如何在海量信息中找出用户需要的信息变得更加重要。基于Web服务器日志,分析在线用户的浏览行为,挖掘Web数据并找出用户的遍历模式已经成为一个新的研究领域。针对Web站点的结构,给出了一个Web挖掘的完整框架,允许在分析复杂的遍历模式时加入约束条件,然后对框架中算法的执行效率和执行准确性进行比较和分析,同时展望了Web挖掘的未来研究方向。     

基于序列模式的用户浏览行为提取与分析

当今互联网所提供的功能和服务越来越多,Web内容也越来越丰富,移动应用越来越流行。然而,复杂的Web服务应用对用户提出了更高的要求,给用户浏览带来了很多问题,很多时候用户会感到无所适从。文中提出基于用户浏览序列模式的用户行为提取与分析方法。该方法可以分为浏览模式分析和用户聚类两部分。在浏览模式分析时,首先根据用户行为数据得到浏览序列,然后运用序列模式挖掘PrefixSpan算法获取用户习惯的浏览模式,最后把分析获取的用户浏览模式应用到Web浏览中,为不同的用户需求提供个性化的服务。在用户聚类时,运用层次聚类方法按照浏览模式的相似性对用户进行聚类,以分析用户的不同属性（如年龄、职业、学历等）对用户浏览模式的影响。实验结果表明,文中采用的PrefixSpan算法和层次聚类方法在用户浏览模式分析和研究方面具有很好的可行性和有效性。     

个性化推荐技术在电子商务中的实现

随着互联网的发展,Web挖掘技术已经成为数据挖掘技术的一个研究的热点。本文对Web挖掘的特点、方法进行了讨论,提出了结合网页的链接结构来补充数据的预处理,以更精确地识别用户会话。同时在挖掘浏览模式的时候,结合网页内容聚类和用户聚类,提高了推荐系统的性能。     

一种预测群体用户访问行为的算法

在电子商务发展中,商家需要理解用户访问网站的行为,为用户提供个性化服务,从而吸引用户购买商品。挖掘用户访问网站的行为是商家一个急需解决的问题,通过对Web日志进行挖掘是解决该问题的重要研究方法。提出了网页兴趣信息素的新概念,它是由页面相对浏览时间和点击率构建而成,利用兴趣信息素设计了基于蚁群算法的群体用户访问路径挖掘算法,根据挖掘结果预测用户访问行为。实验结果表明,兴趣信息索可以有效地预测用户的兴趣变化,能准确地反映用户访问模式,提高了预测群体用户访问行为的准确率。     

一种基于粗糙集的Web用户访问规则获取方法

用户浏览模式获取是现阶段Web日志挖掘的主要目标之一。该文根据用户浏览的重要特征,提出了一种应用粗糙集理论获取规则的方法。选取重要特征作为条件属性并通过算法实现获取最终规则,实例分析效果良好。该方法的特点是只需要简单的数据预处理但可以获得简洁有效的访问模式。     

面向电子商务的增量挖掘算法

对商务信息挖掘理论进行了研究，给出了电子商务运作模式的定义、性质、定理及相关证明；提出了一种用于跟踪电子商务活动的数据模型，在模型中定义了网页监控点与商务指标之间的“点-集”映射关系，建立了商务网站的访问事件、网页中事先设定的监控点，以及商务工作流程之间的联系；根据这些研究结果对关联规则挖掘算法中的发现和剪枝过程进行改进，设计了面向电子商务的增量挖掘算法，并在第三方物流信息系统中实现。实践表明，该算法在频繁变化的数据集中的挖掘效率大大高于传统的非增量挖掘算法，基于智能Agent技术的商务信息挖掘模型有效地提高了电子商务的实时跟踪与分析能力。     

Web挖掘在电子商务中的应用

如何从海量的Web数据中发现有用的知识是一个迫切需要研究的课题,因此,Web挖掘应运而生,成为一个全新的研究领域。Web挖掘就是从Web文档和Web活动中抽取潜在的有用模式和隐藏信息。随着电子商务的发展,Web挖掘进入了一个新的应用领域,介绍了Web挖掘技术在电子商务中的具体应用,运用Web挖掘技术对Web数据进行挖掘,了解客户的行为,从而调整站点结构、市场策略等,使电子商务活动具有针对性。     

以Web用户关联关系为属性的浏览模式聚类

在Web使用挖掘中,用户浏览模式的聚类结果有助于网站设计者理解Web用户的浏览特点和需要。设计了一种有效的Web浏览模式的聚类方法,网页是否被浏览及网页上的浏览时间反映了用户的浏览兴趣,它们被刻画成等长的用户浏览模式向量中的相应分量,此外,浏览模式之间的关系被刻画并被作为属性加入到该向量中,形成扩展的用户浏览模式向量,对这些向量使用粗糙k-均值法可对用户浏览模式进行有效的聚类。实例和实验分析说明,使用该方法的聚类结果更合理。聚类结果可用于个性化网站的设计。