基于Web使用挖掘的客戶發(fā)現(xiàn)研究.pdf

1、隨著網(wǎng)絡(luò)的普及，以及相對(duì)于傳統(tǒng)商務(wù)模式具有的無(wú)可比擬的便捷性，電子商務(wù)得到了飛速的發(fā)展。但是，由于電子商務(wù)網(wǎng)站中的海量的信息，用戶很難瞬間定位到自己想要的商品。而對(duì)于商家而言，怎樣發(fā)現(xiàn)客戶，并留住來(lái)訪的用戶也是一個(gè)熱點(diǎn)問(wèn)題。
　　 web使用挖掘的出現(xiàn)在一定程度上解決了上述的難題，許多學(xué)者提出并實(shí)現(xiàn)了基于web使用挖掘的個(gè)性化推薦系統(tǒng)，其能夠大大提高用戶的滿意度。但是，對(duì)于新的來(lái)訪用戶，要判別其是否為潛在的消費(fèi)客戶，并為其制定對(duì)

2、應(yīng)的投放策略，還沒(méi)有引起足夠的關(guān)注。本文就是利用web使用挖掘技術(shù)，提取出了用戶的模擬相似矩陣來(lái)存儲(chǔ)用戶與用戶間的興趣相似度，利用智能仿生算法中的蟻群算法來(lái)進(jìn)行相似興趣度用戶的聚類，并在聚類的基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行建模，判斷客戶的購(gòu)買意向，進(jìn)行客戶發(fā)現(xiàn)的研究，為web營(yíng)銷提供策略。
　　 由于客戶購(gòu)買興趣不同，導(dǎo)致瀏覽具有不同的瀏覽特性。為了解決不同客戶間的訪問(wèn)差異，首先要將客戶分成具有若干訪問(wèn)特性的訪問(wèn)群體。本文采用

3、蟻群算法來(lái)對(duì)客戶進(jìn)行分類。蟻群算法是模擬螞蟻的群體行為而設(shè)計(jì)出的一類智能仿生算法，應(yīng)用領(lǐng)域非常廣泛，如聚類，模式識(shí)別等。本文系統(tǒng)研究了基于化學(xué)識(shí)別的蟻群聚類算法，并對(duì)其進(jìn)行改進(jìn)，提出了新的基于平均相似度的類解機(jī)制，使聚類質(zhì)量較差的類別重新打散后再聚，并且引入了增量式聚類的思想，即根據(jù)新的訪問(wèn)數(shù)據(jù)來(lái)更新原有的用戶聚類模式。與原來(lái)的蟻群聚類算法相比而言，該改進(jìn)蟻群聚類算法具有更快的訓(xùn)練速度，以及更高的聚類準(zhǔn)確度。
　　 在增量式聚類

4、算法的聚類結(jié)果基礎(chǔ)之上，應(yīng)用了基于BP神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行客戶購(gòu)買可能的預(yù)測(cè)，實(shí)現(xiàn)潛在客戶的發(fā)現(xiàn)。由于用戶的訪問(wèn)具有多變性，很難直接用線性或非線性的關(guān)系來(lái)表達(dá)，所以采用了復(fù)雜，隱式的BP神經(jīng)網(wǎng)絡(luò)。同一類別下的用戶基本具有相同的訪問(wèn)習(xí)慣，在基于聚類基礎(chǔ)上的預(yù)測(cè)，能得到更高的準(zhǔn)確率。隨著時(shí)間的推移，用戶的集體訪問(wèn)習(xí)慣會(huì)有一定的變遷，本文又引入了基于增量式的聚類，能夠不斷更新用戶的聚類特點(diǎn)和訪問(wèn)習(xí)慣，能夠提高對(duì)時(shí)間遷移的容錯(cuò)率，提高潛在用戶識(shí)別的精

5、準(zhǔn)率。
　　 本文采集了某B2C網(wǎng)站一個(gè)月的用戶訪問(wèn)數(shù)據(jù)，分別設(shè)計(jì)了實(shí)驗(yàn)來(lái)驗(yàn)證改進(jìn)蟻群算法及BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的效果。關(guān)于增量式改進(jìn)蟻群算法的驗(yàn)證是通過(guò)比較原蟻群算法和改進(jìn)蟻群算法在個(gè)性化推薦時(shí)的準(zhǔn)確率來(lái)評(píng)價(jià)改進(jìn)蟻群算法的效果。實(shí)驗(yàn)結(jié)果表明，改進(jìn)蟻群算法在數(shù)據(jù)動(dòng)態(tài)增加的情況下，聚類結(jié)果更穩(wěn)定。且從我們實(shí)驗(yàn)得出的推薦準(zhǔn)確率看，明顯高于原蟻群算法。從時(shí)間開(kāi)銷看，改進(jìn)蟻群算法也明顯節(jié)省了開(kāi)銷，提高了效率，尤其當(dāng)數(shù)據(jù)是動(dòng)態(tài)海量增加的情