范麗萍

摘 要 介紹web主動數(shù)據(jù)挖掘技術(shù)對于網(wǎng)絡(luò)廣告的重要性，對網(wǎng)絡(luò)使用數(shù)據(jù)挖掘模式的情況進行分析，針對挖掘模式工作多且事務(wù)識別不夠準確，提出新的解決方法從網(wǎng)絡(luò)廣告的邏輯結(jié)構(gòu)、模式挖掘所需的數(shù)據(jù)結(jié)構(gòu)等方面研究主動數(shù)據(jù)收集技術(shù)。

關(guān)鍵詞 數(shù)據(jù)挖掘 網(wǎng)絡(luò)廣告 數(shù)據(jù)收集

中圖分類號：TP393 文獻標識碼：A

1網(wǎng)絡(luò)廣告和Web挖掘

網(wǎng)絡(luò)廣告是隨著國際互聯(lián)網(wǎng)的發(fā)展而逐步興起的，它具有傳統(tǒng)媒介廣告所有優(yōu)點，又具有傳統(tǒng)媒介所無法比擬的優(yōu)勢。網(wǎng)絡(luò)廣告主要有傳播對象面廣、表現(xiàn)手段豐富多彩、內(nèi)容種類繁多，信息面廣、精確性強等特點。

網(wǎng)絡(luò)廣告所具有的四個本質(zhì)特征，網(wǎng)絡(luò)廣告需要依附于有價值的信息和服務(wù)載體；網(wǎng)絡(luò)廣告的核心思想在于引起用戶關(guān)注和點擊；網(wǎng)絡(luò)廣告具有強制性和用戶主導(dǎo)性的雙重屬性；網(wǎng)絡(luò)廣告應(yīng)體現(xiàn)出用戶、廣告客戶和網(wǎng)絡(luò)媒體三者之間的互動關(guān)系。

數(shù)據(jù)挖掘（DataMining）是伴隨著數(shù)據(jù)倉庫技術(shù)的發(fā)展而逐步完善起來的。數(shù)據(jù)挖掘主要是為了幫助商業(yè)用戶處理大量存在的數(shù)據(jù)，發(fā)現(xiàn)其后隱含的規(guī)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(shù)據(jù)中，提取人們事先不知道的但又是潛在有用的信息和知識。

數(shù)據(jù)挖掘技術(shù)在網(wǎng)路廣告上的應(yīng)用，正是為了更加有效的掌握信息，服務(wù)于顧客，數(shù)據(jù)挖掘技術(shù)的路徑分析、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、分類規(guī)則的發(fā)現(xiàn)、聚類分析等方法，可以應(yīng)用于發(fā)現(xiàn)潛在顧客、改進站點鏈接結(jié)構(gòu)設(shè)計、對顧客進行聚類分級從而分析組中顧客的共同特征，并為相應(yīng)的顧客提供優(yōu)質(zhì)個性化服務(wù)，使顧客在瀏覽信息時有針對性，節(jié)省時間成本、精神成本、體力成本等，最終使總顧客成本得以降低。

Web數(shù)據(jù)有三種類型：HTML標記的Web文檔數(shù)據(jù)，Web文檔內(nèi)連接的結(jié)構(gòu)數(shù)據(jù)和用戶訪問數(shù)據(jù)。按照對應(yīng)的數(shù)據(jù)類型，Web挖掘可以分為三類：（1）Web內(nèi)容挖掘：就是從Web文檔或其描述中篩選知識的過程。（2）Web結(jié)構(gòu)挖掘：就是從Web的組織結(jié)構(gòu)和鏈接關(guān)系中推導(dǎo)知識。它的目的是通過聚類和分析網(wǎng)頁的鏈接，發(fā)現(xiàn)網(wǎng)頁的結(jié)構(gòu)和有用的模式，找出權(quán)威網(wǎng)頁。（3）Web使用記錄挖掘：就是指通過挖掘存儲在Web上的訪問日志，來發(fā)現(xiàn)用戶訪問Web頁面的模式及潛在客戶等信息的過程。

Web使用挖掘，它通過挖掘Web日志記錄來發(fā)現(xiàn)用戶訪問Web頁面的模式，通過分析和探究Web日志記錄中的規(guī)律，可以識別電子商務(wù)的潛在客戶，增強對最終用戶的因特網(wǎng)信息服務(wù)的質(zhì)量和交付，并改進Web服務(wù)器系統(tǒng)的性能和結(jié)構(gòu)。

2網(wǎng)路廣告中使用數(shù)據(jù)挖掘技術(shù)存在的問題

2.1目前Web使用挖掘的狀況

網(wǎng)絡(luò)信息挖掘技術(shù)主要分為三個階段：數(shù)據(jù)準備、挖掘操作、結(jié)果表達。就數(shù)據(jù)準備而言，網(wǎng)絡(luò)廣告主所需的數(shù)據(jù)主要來自兩個方面：一方面是用戶的背景信息，這部分信息主要來自于用戶的登記表；而另外一部分數(shù)據(jù)主要來自用戶的點擊流，這部分數(shù)據(jù)主要用于考察用戶的行為表現(xiàn)。人們在訪問某網(wǎng)站的同時，便提供了個人對網(wǎng)站內(nèi)容的反饋信息：點擊了哪一個鏈接，在哪里瀏覽時間最多，用了哪個搜索項、總體瀏覽時間、個人姓名和住址等。所有這些信息都被保存在一個數(shù)據(jù)庫中，生成大量的記錄文件和登記表，利用這些數(shù)據(jù)進行分析、挖掘，充分了解用戶的喜好、購買模式，不僅可以使網(wǎng)站設(shè)計出滿足不同用戶群體需要的個性化網(wǎng)頁，增加競爭力，而且可以為廣告主提出行之有效的廣告方案，實現(xiàn)商家渴望的個性化市場營銷。

目前幾乎所有的Web使用挖掘，都是從服務(wù)器端的日志記錄和用戶的個人信息中自動發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式信息，了解系統(tǒng)的訪問模式以及用戶的行為模式，從而做出預(yù)測性分析。

這種數(shù)據(jù)挖掘模式，挖掘之前工作量巨大繁重。首先，數(shù)據(jù)清洗（data cleaning）解決“臟數(shù)據(jù)（dirty data）”問題，消解數(shù)據(jù)中的不一致性，并將多個數(shù)據(jù)源中的數(shù)據(jù)統(tǒng)一成一個數(shù)據(jù)存儲。然后，事務(wù)識別中，用戶Session的識別問題是一個難點。如多個用戶訪問同一頁面，在Proxy服務(wù)器日志中可能只列出一次；同時Internet服務(wù)提供商如采用動態(tài)分配IP將使得用戶識別變得困難。最后，還要將數(shù)據(jù)集成到數(shù)據(jù)庫中。

2.2解決方法及其優(yōu)點

我們將上述基于日志的Web挖掘中的數(shù)據(jù)收集方法稱為被動數(shù)據(jù)收集。不難看出為了得到模式挖掘的輸入數(shù)據(jù)，經(jīng)過了很多的步驟，而且更重要的是結(jié)果有些并不一定準確。

現(xiàn)在我們提出主動的數(shù)據(jù)收集方法，也就是通過JsP頁面中的JavaBean調(diào)用用于數(shù)據(jù)收集的java包中的類，并傳入Web服務(wù)器已經(jīng)構(gòu)造好的Request和Response對象，然后將用戶Session信息保存到數(shù)據(jù)庫，并在瀏覽器端添加用戶信息的Cookie。

這樣做的優(yōu)點有：（1）不用進行數(shù)據(jù)清洗。最后保存到數(shù)據(jù)庫中的信息，不會包括對一些非主頁面請求的信息，如，不會包括對圖片的請求；因為不存在多個數(shù)據(jù)源，所以也不存在數(shù)據(jù)的不一致性。（2）不用進行費時而且不準確的事務(wù)識別。因為Web服務(wù)器將為我們做這些工作，而且是在用戶訪問時做，它所識別的Session幾乎是完全正確。（3）不用進行數(shù)據(jù)集成。因為用戶瀏覽完頁面之后，數(shù)據(jù)就已經(jīng)持久化到數(shù)據(jù)庫中了。（4）可以識別多個Session來自同一臺主機。因為我們放置了Cookie在瀏覽器端。（5）留有和主商務(wù)邏輯的接口。也就是可以將事務(wù)識別的Session和主商務(wù)邏輯中的客戶聯(lián)系起來，即使用戶在不同的機器登陸。（6）一個瀏覽器端有多個客戶登陸，也可進行一定的Session和客戶之間的對應(yīng)。

本文通過討論數(shù)據(jù)挖掘工具及其實現(xiàn)模式，結(jié)合當前web使用挖掘的問題，提出了解決方法，以期使網(wǎng)絡(luò)廣告充分利用數(shù)據(jù)挖掘技術(shù)，真正提高網(wǎng)絡(luò)廣告的投放效果。

參考文獻

[1] 周曦.數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)營銷中的作用[J].電腦知識與技術(shù)，2011（11）.