數據挖掘技術(shù)在WEB的運用論文
一、數據挖掘的背景
互聯(lián)網(wǎng)、計算機信息技術(shù)迅猛的發(fā)展勢頭，數據從結構化存儲以及轉化為非結構化的存儲，數據存儲形式的轉變，不同數據類(lèi)型的存儲變多，音頻、視頻等大格式的信息存儲在多個(gè)應用中實(shí)現。行業(yè)中的計算機化、信息化和網(wǎng)絡(luò )化，使計算機和服務(wù)器上積累了各種各樣海量的數據。傳統的人工分析已經(jīng)不能滿(mǎn)足和適應如此大量的數據，各行各業(yè)都產(chǎn)生了巨大數據信息，包括生產(chǎn)加工、研究、物流運輸、客戶(hù)、營(yíng)銷(xiāo)、售后等數據，人們卻不知道怎么利用這些數據實(shí)現價(jià)值的增長(cháng)。如果能將這些數據進(jìn)行挖掘分析，很可能會(huì )產(chǎn)生巨大的商業(yè)價(jià)值，很多有價(jià)值的信息可以被發(fā)現�，F在，越來(lái)越多的公司和企業(yè)意識到數據挖掘的重要性，但是怎么能從如此海量的數據中挖掘出有價(jià)值有用的信息，已經(jīng)成為研究的熱門(mén)話(huà)題。在傳統的數據分析基礎上，相關(guān)人員結合新開(kāi)發(fā)人工智能和數據挖掘等相關(guān)的技術(shù)，數據庫孕育而生，讓我們能從海量的數據中挖掘出有價(jià)值的信息，促使信息化的發(fā)展，稱(chēng)之為數據挖掘。
二、數據挖掘的過(guò)程
1、數據收集。將要進(jìn)行數據分析的海量數據資源收集到數據倉庫中。把不同來(lái)源、格式、特點(diǎn)性質(zhì)的數據在邏輯上或物理上有機地集中，抽象出分析相關(guān)的數據，進(jìn)行非結構化數據的分類(lèi)，篩選出不相關(guān)或者無(wú)價(jià)值的數據，減少數據集的容量。
2、數據清洗和轉換。數據清洗是為了刪除掉無(wú)用的數據信息。數據轉換的目的最直接的是把所有信息統一化。將完整，有效的`信息存入數據倉庫。
3、模型建立。模型建立是數據挖掘的核心階段。首先，要和相關(guān)領(lǐng)域的專(zhuān)家組成團隊，進(jìn)行需求分析，明確數據挖掘的目的和具體的數據挖掘任務(wù)。根據不同的任務(wù)，選擇相關(guān)算法，利用這些算法來(lái)建立模型，再用專(zhuān)業(yè)的模型評估工具比較模型的準確度。即使是同一種算法，參數選取的不同，所建模型的準確度也不一樣。
4、模型評估。從商業(yè)角度來(lái)講，模型評估是對我們所建立的預測模型的正確性進(jìn)行價(jià)值評估，如若模型中模式無(wú)價(jià)值，就要重復數據挖掘過(guò)程中的2～4步，即數據清洗和轉換、模型建立。
5、知識表示。將數據挖掘最后的結果以最直觀(guān)的方式呈現給用戶(hù)，通常用數據圖形展示工具來(lái)表示。
6、應用集成。將數據挖掘集成到現實(shí)的實(shí)際應用中。例如，CRM中有了數據挖掘功能，就可以對客戶(hù)進(jìn)行等級分類(lèi)。
7、模型管理。根據不同數據模型的生命周期做好數據應用和管理。
三、WEB數據挖掘
基于WEB內容的挖掘就是針對網(wǎng)頁(yè)內容進(jìn)行數據挖掘，通過(guò)用戶(hù)對網(wǎng)頁(yè)訪(fǎng)問(wèn)的交互，留下的數據信息進(jìn)行收集分類(lèi)，完成數據挖掘。目前對文本內容的挖掘技術(shù)取得了一定的成果，對圖像、音頻、視頻等各種多媒體數據的數據挖掘技術(shù)都開(kāi)始采用非結構化大數據應用技術(shù)來(lái)完成�；赪EB結構的挖掘是發(fā)現頁(yè)面、文檔和WEB的結構，主要是發(fā)現WEB潛在的結構模式，利用分析這些結構我們可以得到很多潛在有價(jià)值的信息�；赪EB使用的數據挖掘，即針對用戶(hù)的訪(fǎng)問(wèn)網(wǎng)頁(yè)的軌跡收集分析。WEB內容的挖掘和結構的挖掘面對的主要挖掘對象是大規模的軌跡數據，對挖掘數據進(jìn)行分析可以讓管理者了解用戶(hù)的不同需求，從而為用戶(hù)提供個(gè)性化的服務(wù)。
四、數據挖掘在WEB中個(gè)性化定制的應用
通過(guò)網(wǎng)站與用戶(hù)的交互，可以得到用戶(hù)訪(fǎng)問(wèn)的內容、時(shí)間、方式、頻率等，從中發(fā)現潛在的商業(yè)價(jià)值，通過(guò)價(jià)值數據進(jìn)行數據挖掘以及算法分析得出商業(yè)結論。就可以根據挖掘到的信息對這些客戶(hù)進(jìn)行特定的推銷(xiāo)策略，進(jìn)行個(gè)性化定制。在商業(yè)領(lǐng)域中，通過(guò)對相似軌跡數據的客戶(hù)進(jìn)行分類(lèi)，分析他們的共性，幫助管理者發(fā)現不同客戶(hù)的需求和興趣，提供適宜各類(lèi)人的服務(wù)。按照不同用戶(hù)的不同興趣和愛(ài)好，向用戶(hù)提供動(dòng)態(tài)的瀏覽建議。對大多數用戶(hù)來(lái)說(shuō)，如果可以訪(fǎng)問(wèn)該網(wǎng)站可以體會(huì )到量身定做的服務(wù)，那么數據挖掘個(gè)性化定制就成功完成了。
五、數據挖掘技術(shù)在WEB中的應用
網(wǎng)站的功能設計及其版面的內容直接影響到網(wǎng)站的訪(fǎng)問(wèn)率。相關(guān)人員發(fā)現用戶(hù)的需要和興趣，對需求強烈的地方提供優(yōu)化，使用數據挖掘去發(fā)現頁(yè)面間的關(guān)聯(lián)，針對不同的用戶(hù)動(dòng)態(tài)調整網(wǎng)站的設計和鏈接，使用戶(hù)可以便捷地訪(fǎng)問(wèn)到自己想要訪(fǎng)問(wèn)的頁(yè)面。將數據挖掘技術(shù)的在WEB中的應用，吸引更多的用戶(hù)。隨著(zhù)數據挖掘技術(shù)在WEB中的應用，用戶(hù)可以通過(guò)分析挖掘的結果了解各種客戶(hù)的需求和喜好，得到各種定制個(gè)性化服務(wù)。隨著(zhù)互聯(lián)網(wǎng)上軌跡數據信息量的急速增長(cháng)，不斷復雜化的數據結構，挖掘技術(shù)也面臨著(zhù)一系列新的問(wèn)題和挑戰。
參考文獻：
[1]胡繼平、數據挖掘技術(shù)[J]、景德鎮高專(zhuān)學(xué)報，1998
[2]NguyenT，SrinivasanV、AccessingrelationaldatabasesfromtheWorldWideWEB、In：ProcofIEEEDataEngineering[J]、NewOrleansLouisiana，2006
【數據挖掘技術(shù)在WEB的運用論文】相關(guān)文章：
積累運用二教學(xué)設計11-29
《積累與運用五》教學(xué)設計01-16
《積累與運用七》教學(xué)設計07-08
《積累·運用八》教學(xué)設計01-20
《積累·運用五》教學(xué)設計02-27
《積累運用二》教學(xué)設計03-03
《積累與運用二》教學(xué)設計03-03
《積累·運用三》教學(xué)設計03-03