[摘要]隨著Internet的發(fā)展，Web數(shù)據(jù)挖掘有著越來越廣泛的應(yīng)用,Web數(shù)據(jù)挖掘是數(shù)據(jù)挖掘技術(shù)在Web信息集合上的應(yīng)用。本文闡述了Web數(shù)據(jù)挖掘的定義、特點和分類，并對Web數(shù)據(jù)挖掘中使用的技術(shù)及應(yīng)用前景進行了探討。

[關(guān)鍵詞]數(shù)據(jù)挖掘Web挖掘路徑分析電子商務(wù)

一、引言

近年來，數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注，其主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識。數(shù)據(jù)挖掘是面向發(fā)現(xiàn)的數(shù)據(jù)分析技術(shù)，通過對大型的數(shù)據(jù)集進行探查?？梢园l(fā)現(xiàn)有用的知識，從而為決策支持提供有力的依據(jù)。

Web目前已成為信息、交互和獲取的主要工具,它是一個巨大的、分布廣泛的、全球性的信息服務(wù)中心。它涉及新聞、廣告、消費信息、金融管理、教育、政府、電子商務(wù)和其他許多信息服務(wù)。面向Web的數(shù)據(jù)挖掘就是利用數(shù)據(jù)挖掘技術(shù)從Web文檔及Web服務(wù)中自動發(fā)現(xiàn)并提取人們感興趣的、潛在的有用模型或隱藏的信息。

二、概述

[摘要]本文主要介紹了數(shù)據(jù)挖掘的基本概念，以及數(shù)據(jù)挖掘的方法。

[關(guān)鍵詞]數(shù)據(jù)挖掘數(shù)據(jù)挖掘方法

隨著信息技術(shù)迅速發(fā)展，數(shù)據(jù)庫的規(guī)模不斷擴大，產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無法辨別隱藏在其中的能對決策提供支持的信息，而傳統(tǒng)的查詢、報表工具無法滿足挖掘這些信息的需求。因此，需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價值的潛在知識，數(shù)據(jù)挖掘（DataMining）技術(shù)由此應(yīng)運而生。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進而預(yù)測未來可能發(fā)生的行為。數(shù)據(jù)挖掘的過程也叫知識發(fā)現(xiàn)的過程。

二、數(shù)據(jù)挖掘的方法

6.遺傳算法。遺傳算法是一種受生物進化啟發(fā)的學(xué)習(xí)方法，通過變異和重組當(dāng)前己知的最好假設(shè)來生成后續(xù)的假設(shè)。每一步，通過使用目前適應(yīng)性最高的假設(shè)的后代替代群體的某個部分，來更新當(dāng)前群體的一組假設(shè)，來實現(xiàn)各個個體的適應(yīng)性的提高。遺傳算法由三個基本過程組成:繁殖(選擇)是從一個舊種群(父代)選出生命力強的個體，產(chǎn)生新種群(后代)的過程；交叉〔重組)選擇兩個不同個體〔染色體)的部分(基因)進行交換，形成新個體的過程；變異(突變)是對某些個體的某些基因進行變異的過程。在數(shù)據(jù)挖掘中，可以被用作評估其他算法的適合度。

7.粗糙集。粗糙集能夠在缺少關(guān)于數(shù)據(jù)先驗知識的情況下，只以考察數(shù)據(jù)的分類能力為基礎(chǔ)，解決模糊或不確定數(shù)據(jù)的分析和處理問題。粗糙集用于從數(shù)據(jù)庫中發(fā)現(xiàn)分類規(guī)則的基本思想是將數(shù)據(jù)庫中的屬性分為條件屬性和結(jié)論屬性，對數(shù)據(jù)庫中的元組根據(jù)各個屬性不同的屬性值分成相應(yīng)的子集，然后對條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。所有相似對象的集合稱為初等集合，形成知識的基本成分。任何初等集合的并集稱為精確集，否則，一個集合就是粗糙的(不精確的)。每個粗糙集都具有邊界元素，也就是那些既不能確定為集合元素，也不能確定為集合補集元素的元素。粗糙集理論可以應(yīng)用于數(shù)據(jù)挖掘中的分類、發(fā)現(xiàn)不準(zhǔn)確數(shù)據(jù)或噪聲數(shù)據(jù)內(nèi)在的結(jié)構(gòu)聯(lián)系。

8.支持向量機。支持向量機(SVM)是在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出來的一種新的機器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險最小化原則上的，盡量提高學(xué)習(xí)機的泛化能力，具有良好的推廣性能和較好的分類精確性，能有效的解決過學(xué)習(xí)問題，現(xiàn)已成為訓(xùn)練多層感知器、RBF神經(jīng)網(wǎng)絡(luò)和多項式神經(jīng)元網(wǎng)絡(luò)的替代性方法。另外，支持向量機算法是一個凸優(yōu)化問題，局部最優(yōu)解一定是全局最優(yōu)解，這些特點都是包括神經(jīng)元網(wǎng)絡(luò)在內(nèi)的其他算法所不能及的。支持向量機可以應(yīng)用于數(shù)據(jù)挖掘的分類、回歸、對未知事物的探索等方面。

事實上，任何一種挖掘工具往往是根據(jù)具體問題來選擇合適挖掘方法，很難說哪種方法好，那種方法劣，而是視具體問題而定。

三、結(jié)束語

目前，數(shù)據(jù)挖掘技術(shù)雖然得到了一定程度的應(yīng)用，并取得了顯著成效，但仍存在著許多尚未解決的問題。隨著人們對數(shù)據(jù)挖掘技術(shù)的深人研究，數(shù)據(jù)挖掘技術(shù)必將在更加廣泛的領(lǐng)域得到應(yīng)用，并取得更加顯著的效果。

編者按：本論文主要從客戶關(guān)系管理；數(shù)據(jù)挖掘；數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用；客戶關(guān)系管理應(yīng)用數(shù)據(jù)挖掘的步驟等進行講述，包括了CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法、進行客戶分類、進行客戶識別和保留、需求分析、建立數(shù)據(jù)庫、選擇合適的數(shù)據(jù)挖掘工具、建立模型等，具體資料請見：

根據(jù)波特的影響企業(yè)的利益相關(guān)者理論，企業(yè)有五個利益相關(guān)者，分別是客戶、競爭對手、供應(yīng)商、分銷商和政府等其他利益相關(guān)者。其中，最重要的利益相關(guān)者就是客戶?，F(xiàn)代企業(yè)的競爭優(yōu)勢不僅體現(xiàn)在產(chǎn)品上，還體現(xiàn)在市場上，誰能獲得更大的市場份額，誰就能在競爭中占據(jù)優(yōu)勢和主動。而對市場份額的爭奪實質(zhì)上是對客戶的爭奪，因此，企業(yè)必須完成從“產(chǎn)品”導(dǎo)向向“客戶”導(dǎo)向的轉(zhuǎn)變，對企業(yè)與客戶發(fā)生的各種關(guān)系進行管理。進行有效的客戶關(guān)系管理，就要通過有效的途徑，從儲存大量客戶信息的數(shù)據(jù)倉庫中經(jīng)過深層分析，獲得有利于商業(yè)運作，提高企業(yè)市場競爭力的有效信息。而實現(xiàn)這些有效性的關(guān)鍵技術(shù)支持就是數(shù)據(jù)挖掘，即從海量數(shù)據(jù)中挖掘出更有價值的潛在信息。正是有了數(shù)據(jù)挖掘技術(shù)的支持，才使得客戶關(guān)系管理的理念和目標(biāo)得以實現(xiàn)，滿足現(xiàn)代電子商務(wù)時代的需求和挑戰(zhàn)。

一、客戶關(guān)系管理（CRM）

CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法。它是企業(yè)通過富有意義的交流和溝通,理解并影響客戶行為,最終實現(xiàn)提高客戶獲取、客戶保留、客戶忠誠和客戶創(chuàng)利的目的。它包括的主要內(nèi)容有客戶識別、客戶關(guān)系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關(guān)系管理能夠提高企業(yè)銷售收入，改善企業(yè)的服務(wù)，提高客戶滿意度，同時能提高員工的生產(chǎn)能力。

二、數(shù)據(jù)挖掘（DM）

數(shù)據(jù)挖掘（DataMining，簡稱DM），簡單的講就是從大量數(shù)據(jù)中挖掘或抽取出知識。數(shù)據(jù)挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。

1數(shù)據(jù)挖掘在教育學(xué)領(lǐng)域的應(yīng)用

1.1數(shù)據(jù)電子化

要讓數(shù)據(jù)電子化，首先要搭建適用的網(wǎng)絡(luò)平臺，網(wǎng)絡(luò)平臺的搭建分為2個過程。如果需要收集數(shù)據(jù)，則需要搭建一個面向?qū)ο蟮木W(wǎng)絡(luò)平臺。在對大學(xué)生社會體系和人際關(guān)系的研究中，采用的是在WEB上自動收集量表數(shù)據(jù)，首先將量表轉(zhuǎn)換為匯編語言編寫的網(wǎng)頁，再采用將量表轉(zhuǎn)換后的電子版網(wǎng)頁與數(shù)據(jù)庫中的表相連接，這樣，只要被試登錄指定網(wǎng)站，就可以在網(wǎng)上完成量表的填寫，數(shù)據(jù)則直接存入數(shù)據(jù)庫中。數(shù)據(jù)庫管理系統(tǒng)使用的是SQLServer2000，在網(wǎng)絡(luò)成癮和注意關(guān)系偏向的研究中，也采用了同樣的方法。如果對現(xiàn)有的數(shù)據(jù)進行分析，則可以略過數(shù)據(jù)收集這個步驟，直接將數(shù)據(jù)輸入數(shù)據(jù)處理軟件中。在對于青少年同伴關(guān)系的研究中，創(chuàng)建了一個數(shù)據(jù)倉庫來存放現(xiàn)有數(shù)據(jù)，選用SQLServer2000作為數(shù)據(jù)倉庫的構(gòu)建平臺。由于青少年同伴關(guān)系的研究中的維度不是太多，維度層次也不復(fù)雜，出于對查詢效率和使用者是否容易理解的角度考慮，決定使用星型結(jié)構(gòu)來創(chuàng)建數(shù)據(jù)倉庫，青少年同伴關(guān)系研究的星型結(jié)構(gòu)。最后一種方法是直接將數(shù)據(jù)輸入SPSS中，這種方法這樣需要大量人力物力，而且效率難以提高，存在誤錄的可能。

1.2數(shù)據(jù)挖掘分析

將數(shù)據(jù)轉(zhuǎn)換為需要的電子文本格式以后，進行簡單的數(shù)據(jù)處理。在剔除了部分缺失或者明顯錯誤的數(shù)據(jù)后，就可以進行數(shù)據(jù)挖掘工作了。數(shù)據(jù)挖掘的常用算法為關(guān)聯(lián)規(guī)則挖掘、決策樹算法和聚類挖掘算法。在此選用關(guān)聯(lián)規(guī)則挖掘算法做詳細說明，在大學(xué)生社會網(wǎng)絡(luò)和人際關(guān)系研究中，選取被試人際關(guān)系滿意度為例進行關(guān)聯(lián)規(guī)則挖掘。表1被試人際關(guān)系滿意度關(guān)聯(lián)規(guī)則挖掘關(guān)聯(lián)規(guī)則挖掘的步驟如下：

①選擇數(shù)據(jù)根據(jù)關(guān)聯(lián)規(guī)則挖掘的目標(biāo)，選擇如上表所示的屬性，通過下面的sql語句選擇數(shù)據(jù)，并將jibenxinxi表和zongjie表通過學(xué)號連接起來。select性別,是否獨生子女,你對自己的人際關(guān)系滿意嗎,你對自己與父母的關(guān)系滿意嗎,你對自己與同伴的關(guān)系滿意嗎,你對自己與老師的關(guān)系滿意嗎,你認(rèn)為比較了解你的人會對你的人際關(guān)系給出一個怎樣的評價,你對自己人際關(guān)系的關(guān)注程度fromjibenxinxia,zongjiebwherea.學(xué)號=b.學(xué)號；