王玉珍，王 倩

（蘭州財(cái)經(jīng)大學(xué)信息工程學(xué)院，甘肅蘭州730020）

Apriori算法在商務(wù)網(wǎng)站用戶行為分析中的應(yīng)用

王玉珍，王 倩

（蘭州財(cái)經(jīng)大學(xué)信息工程學(xué)院，甘肅蘭州730020）

在介紹關(guān)聯(lián)規(guī)則的相關(guān)概念后分析了關(guān)聯(lián)規(guī)則經(jīng)典的Apriori算法，探討了Apriori算法在某商務(wù)網(wǎng)站用戶行為分析中的具體應(yīng)用，通過Apriori算法的挖掘結(jié)果分析出用戶行為特征，即用戶在點(diǎn)擊購買不同商品時(shí)存在著某種必然或者大概率事件，從而改善網(wǎng)站結(jié)構(gòu)，提高用戶滿意度.

關(guān)聯(lián)規(guī)則；Apriori算法；用戶行為

2013年，全球網(wǎng)民總數(shù)量已超過20億，將近全球總?cè)丝诘娜种?在歐美國家，90%以上的企業(yè)都建立了自己的網(wǎng)站，通過網(wǎng)絡(luò)尋找客戶和需要的產(chǎn)品，已經(jīng)成為了新的商業(yè)銷售趨勢(shì).隨著互聯(lián)網(wǎng)用戶數(shù)量的增多，對(duì)于網(wǎng)絡(luò)用戶行為的研究越來越重要，而關(guān)聯(lián)規(guī)則挖掘是分析用戶行為特征的重要方法之一.本文以某商務(wù)網(wǎng)站為例，對(duì)關(guān)聯(lián)規(guī)則挖掘算法（Apriori算法）在用戶行為分析中的具體應(yīng)用進(jìn)行了研究.所研究的內(nèi)容對(duì)改善網(wǎng)站結(jié)構(gòu)，增加網(wǎng)站點(diǎn)擊率等方面有重要意義.

因關(guān)聯(lián)規(guī)則挖掘算法在用戶行為分析中的重用性，近年來不少學(xué)者給予了高度的關(guān)注.如，孫燕花[1]從安全的角度分析了用戶行為，利用CURE算法，建立模型，提供用戶行為的分析框架，區(qū)分用戶的正常行為和異常行為；王振宇[2]利用Hadoop框架，設(shè)計(jì)海量日志數(shù)據(jù)處理模型，分析搜索引擎中用戶的行為，從而改進(jìn)搜索引擎的交互功能；丁青[3]以校園網(wǎng)的用戶為對(duì)象，利用K-means算法，進(jìn)行聚類分析，分析出校園用戶行為特征，從而對(duì)校園網(wǎng)進(jìn)行改進(jìn)，滿足用戶個(gè)性化需求；柴巧葉[4]通過關(guān)聯(lián)規(guī)則分析，利用FrequentAccess算法，發(fā)現(xiàn)用戶的頻繁訪問模式；馬力[5]從檢測(cè)和分析的角度，研究Internet的網(wǎng)絡(luò)用戶行為，討論了正常行為的聚類研究方法和異類行為的檢測(cè)方法，提供了一種有效解決網(wǎng)絡(luò)用戶行為自主發(fā)現(xiàn)的途徑；杜海濤[6]探討了關(guān)聯(lián)規(guī)則算法在購物籃分析中的應(yīng)用，重點(diǎn)分析了超市消費(fèi)者的消費(fèi)行為，通過分析發(fā)現(xiàn)商品之間的關(guān)聯(lián)規(guī)則，從而調(diào)整商品位置，使其更符合消費(fèi)者的消費(fèi)習(xí)慣，提高銷售業(yè)績(jī)；張忻[7]介紹了關(guān)聯(lián)規(guī)則挖掘的基本原理，利用Apriori算法分析網(wǎng)絡(luò)用戶行為并建立了模型；丁振國[8]根據(jù)SNS用戶行為存在序列性這一特點(diǎn)，利用序列模式挖掘，通過GSP算法對(duì)社交網(wǎng)絡(luò)用戶行為進(jìn)行分析，從而改進(jìn)網(wǎng)站結(jié)構(gòu)、優(yōu)化社交網(wǎng)絡(luò)等.可見，目前該領(lǐng)域的研究成果還是比較多，從不同角度對(duì)用戶行為分析進(jìn)行了研究，但還未形成系統(tǒng)性，因此本文運(yùn)用關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法——Apriori算法，對(duì)某商務(wù)網(wǎng)站的用戶行為進(jìn)行分析，發(fā)現(xiàn)用戶行為特征，從而改善網(wǎng)站結(jié)構(gòu)，提高用戶滿意度.

1 關(guān)聯(lián)規(guī)則挖掘概述

1.1 相關(guān)概念

定義1項(xiàng)集：用表示數(shù)據(jù)庫中各項(xiàng)的集合，并且用表示所有事務(wù)的集合.每個(gè)事務(wù)ti包含的項(xiàng)集都是I的子集.在關(guān)聯(lián)分析中，項(xiàng)集是項(xiàng)的集合，用X表示，可以包含0個(gè)或多個(gè)項(xiàng).如果一個(gè)項(xiàng)集包含k個(gè)項(xiàng)，則稱它為k-項(xiàng)集.

定義2支持度計(jì)數(shù):指在事務(wù)集T中某個(gè)項(xiàng)集X出現(xiàn)的次數(shù)，即事務(wù)集T包含特定項(xiàng)集的事務(wù)個(gè)數(shù).通常，項(xiàng)集X的支持度計(jì)數(shù)σ(X)可以表示為：

其中，符號(hào) ||·表示集合中元素的個(gè)數(shù).

定義3支持度和置信度：支持度（support）就是該項(xiàng)集的頻繁程度.置信度（confidence）用來確定Y在包含的事務(wù)中出現(xiàn)的頻繁程度，相當(dāng)于Y在X條件下的條件概率.用數(shù)學(xué)公式表示支持度(s)和置信度(c)如下：

定義4頻繁項(xiàng)集：如果一個(gè)項(xiàng)集的支持度計(jì)數(shù)大于或等于給定的最小支持度閥值，那么就稱它為頻繁項(xiàng)集，否則稱為非頻繁項(xiàng)集.

定義5關(guān)聯(lián)規(guī)則：關(guān)聯(lián)規(guī)則是形如A→B的蘊(yùn)含表達(dá)式，并且A和B沒有交集，即A?B=?.

定義6先驗(yàn)原理：如果一個(gè)項(xiàng)集是頻繁的，則它的所有子集一定也是頻繁的.相反，如果一個(gè)項(xiàng)集是非頻繁的，則它的所有超集也一定是非頻繁的.把該規(guī)則稱為先驗(yàn)原理.

定義7FK-1×FK-1方法：函數(shù)候選k-項(xiàng)集產(chǎn)生的過程，通過合并一對(duì)頻繁(k-1)-項(xiàng)集產(chǎn)生，并且僅當(dāng)它們的前k-2個(gè)項(xiàng)都相同時(shí)，才能合并.用數(shù)學(xué)方式解釋：令和 B=是一對(duì)頻繁(k-1)-項(xiàng)集，合并A和 B，如果它們滿足如下條件：

1.2 Apriori算法

Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法，它率先利用了基于支持度的剪枝技術(shù)，系統(tǒng)的控制候選項(xiàng)集指數(shù)增長(zhǎng).

算法1中給出了Apriori算法產(chǎn)生頻繁項(xiàng)集部分的偽代碼：

算法1 Apriori算法的頻繁項(xiàng)集產(chǎn)生

步驟1：k=1

步驟3：repeat

步驟4： k=k+1

步驟5： Ck=FK-1×FK-1//產(chǎn)生候選項(xiàng)集

步驟6：for每個(gè)事務(wù)t∈Tdo

步驟8： for每個(gè)候選項(xiàng)集c∈Ctdo

步驟9： σ(c)=σ(c)+1 //支持度計(jì)數(shù)增值

步驟10： endfor

步驟11：endfor

步驟13：untilFk=?

步驟14：Result=?Fk

令Ck為候選k-項(xiàng)集集合，而Fk為頻繁k-項(xiàng)集的集合：

第一步：該算法通過單遍掃描事務(wù)數(shù)據(jù)庫，確定每個(gè)項(xiàng)的支持度.掃描完后，就得到所有頻繁1-項(xiàng)集的集合F1（步驟1和步驟2）.

第二步：使用上一次迭代發(fā)現(xiàn)的頻繁(k-1)-項(xiàng)集，產(chǎn)生新的候選k-項(xiàng)集（步驟5）.候選項(xiàng)集的產(chǎn)生使用FK-1×FK-1方法實(shí)現(xiàn).

第三步：掃描事務(wù)數(shù)據(jù)集（步驟6-10），對(duì)候選項(xiàng)的支持度計(jì)數(shù).確定包含在每一個(gè)事務(wù)t中的Ck中的所有候選k-項(xiàng)集.

第四步：計(jì)算候選項(xiàng)的支持度計(jì)數(shù)之后，刪去支持度計(jì)數(shù)小于minsup的所有候選項(xiàng)集（步驟12）.

第五步：當(dāng)沒有新的頻繁項(xiàng)集產(chǎn)生，即Fk為空集時(shí)，算法結(jié)束（步驟13）.

2 Apriori算法在用戶行為分析中的應(yīng)用

利用關(guān)聯(lián)規(guī)則，可分析商務(wù)網(wǎng)站的用戶行為，發(fā)現(xiàn)產(chǎn)品之間的關(guān)聯(lián)關(guān)系，分析影響用戶購買的因素，預(yù)測(cè)用戶下一個(gè)購買行為.通過關(guān)聯(lián)規(guī)則分析可以全面了解用戶的需求，能夠?qū)崟r(shí)處理，分析周期較短，并且能夠形成良性循環(huán).下面以Apriori算法在某商務(wù)網(wǎng)站中的應(yīng)用為例，分析其具體應(yīng)用過程.

2.1 Apriori算法應(yīng)用過程

將Apriori算法應(yīng)用到收集了的某商務(wù)網(wǎng)站數(shù)據(jù)挖掘分析中，可以發(fā)現(xiàn)用戶行為特征.由于源數(shù)據(jù)屬性和記錄都比較多，僅選取一部分?jǐn)?shù)據(jù)進(jìn)行關(guān)聯(lián)分析（如表1所示）.

表1 某商務(wù)網(wǎng)站商品部分交易記錄

2.1.1 產(chǎn)生頻繁項(xiàng)集

①對(duì)事務(wù)數(shù)據(jù)庫進(jìn)行第一次遍歷，將事務(wù)數(shù)據(jù)庫中的每個(gè)項(xiàng)集都作為候選1-項(xiàng)集F1中的元素，并且確定各元素的支持度計(jì)數(shù)（如圖1所示）.

圖1 搜索候選1-項(xiàng)集和頻繁1-項(xiàng)集

②設(shè)定一個(gè)最小支持度計(jì)數(shù)，假設(shè)為3，則最小支持度閥值就是3/9=33.3%.這樣就可以確定頻繁1-項(xiàng)集C1（如圖1所示）

③運(yùn)用頻繁1-項(xiàng)集，產(chǎn)生候選2-項(xiàng)集F2.這里采用C1⊕C1方法，產(chǎn)生的F2中包含個(gè)2-項(xiàng)集.再次掃描事務(wù)數(shù)據(jù)庫，獲得候選2-項(xiàng)集F2中各元素的支持度計(jì)數(shù)（如圖2所示）.

④根據(jù)設(shè)定的最小頻繁支持度計(jì)數(shù)，確定頻繁2-項(xiàng)集C2.

⑤采用FK-1×FK-1方法，利用頻繁2-項(xiàng)集，產(chǎn)生候選3項(xiàng)集，遍歷事務(wù)數(shù)據(jù)庫，計(jì)算各項(xiàng)集的支持度計(jì)數(shù)（如圖3所示）.

⑥根據(jù)設(shè)定的最小頻繁支持度計(jì)數(shù)，進(jìn)行剪枝，確定頻繁3-項(xiàng)集C3（如圖4所示）．

圖2 搜索候選2-項(xiàng)集和頻繁2項(xiàng)集

圖3 通過合并一對(duì)頻繁2-項(xiàng)集生成候選3-項(xiàng)集F3

圖4 通過剪枝生成頻繁3-項(xiàng)集C3

⑦同理，采用FK-1×FK-1方法，利用頻繁3-項(xiàng)集，產(chǎn)生候選4項(xiàng)集F4{A ,B,C,D}，游歷事務(wù)數(shù)據(jù)庫得支持度計(jì)數(shù)為1，所以沒有頻繁4-項(xiàng)集.

⑧此時(shí)找到了所有頻繁項(xiàng)集，即{A,B,D}和{A,C,D}以及它們的非零子集.

2.1.2 產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則

（Ⅰ）對(duì)于每個(gè)頻繁項(xiàng)集C3，產(chǎn)生C3的所有非空子集：{A ,B}，{A ,D}，{B ,D}，{A ,C}，{C ,D}，{A}，{B}，{C}，{D}.

（Ⅱ）設(shè)最小置信度閥值為70%，根據(jù)置信度公式，求得各關(guān)聯(lián)規(guī)則的置信度：

根據(jù)各關(guān)聯(lián)規(guī)則的置信度可知，第⑴、⑸、⑹、⑽規(guī)則，由于它們的信任度大于最小置信度閥值，屬于強(qiáng)關(guān)聯(lián)規(guī)則被保留下來.

2.2 應(yīng)用關(guān)聯(lián)規(guī)則算法的結(jié)果分析

根據(jù)以上關(guān)聯(lián)規(guī)則分析，可以得出商務(wù)網(wǎng)站用戶行為的某些特征.通過⑴可知，用戶購買了A和B就一定會(huì)購買產(chǎn)品D；通過⑸可知，如果用戶購買了A和C，則一定會(huì)購買產(chǎn)品D；根據(jù)⑹可知，如果用戶購買了產(chǎn)品C和D，則再購買產(chǎn)品A的概率為75%；根據(jù)⑽分析出如果用戶購買產(chǎn)品C，就有75%的可能性同時(shí)購買A和D.由此可以得出以下結(jié)論：

（1）由于某些原因，用戶在購買A和B產(chǎn)品或者A和C產(chǎn)品，就一定會(huì)購買D產(chǎn)品.

（2）用戶如果購買了C和D產(chǎn)品，有很大可能購買A產(chǎn)品，但不是百分之百可能.

（3）產(chǎn)品C和產(chǎn)品A、D的銷量有很大的聯(lián)系，用戶如果購買了C產(chǎn)品，就有很大可能購買A和D產(chǎn)品.

通過關(guān)聯(lián)規(guī)則分析發(fā)現(xiàn)的用戶行為特征，可以對(duì)網(wǎng)站結(jié)構(gòu)進(jìn)行改進(jìn)，使之更充分地滿足用戶需求，從而提高用戶滿意度.根據(jù)各產(chǎn)品之間的關(guān)聯(lián)關(guān)系，該商務(wù)網(wǎng)站可以采取各種促銷手段，調(diào)整銷售方式，提高利潤.

2.3 算法驗(yàn)證

對(duì)Apriori算法在商務(wù)網(wǎng)站用戶行為分析中的有效性進(jìn)行了驗(yàn)證.實(shí)驗(yàn)環(huán)境為Windows7、Intel Corei5@3.1GHz、4GB內(nèi)存，用VC++語言實(shí)現(xiàn)了Apriori算法.測(cè)試數(shù)據(jù)是來自于蘭州市的一家購物網(wǎng)站——三維商城（www.3d100.cn），從該網(wǎng)站的交易數(shù)據(jù)庫中隨機(jī)抽取了12000條交易記錄，共涉及300多個(gè)商品.首先要對(duì)收集到的數(shù)據(jù)進(jìn)行清洗、凈化、整理，將數(shù)據(jù)整合成能被挖掘算法利用的數(shù)據(jù)，保存于事務(wù)數(shù)據(jù)庫中；然后，進(jìn)行關(guān)聯(lián)規(guī)則挖掘.將最小支持度閾值設(shè)為33%，最小置信度閾值設(shè)為70%，利用Apriori算法對(duì)用戶所購買的產(chǎn)品進(jìn)行相關(guān)性分析.通過算法實(shí)驗(yàn)發(fā)現(xiàn)，Apriori算法可以找出商務(wù)網(wǎng)站用戶所購買商品之間的關(guān)聯(lián)規(guī)則，分析影響用戶購買的因素，預(yù)測(cè)用戶的下一次購買行為.同時(shí)，也可根據(jù)顧客購買商品的相關(guān)性，發(fā)現(xiàn)消費(fèi)者在消費(fèi)過程中的喜好，從而可以更好地開發(fā)顧客的購買潛力，實(shí)現(xiàn)商務(wù)網(wǎng)站的利益最大化.

3 總結(jié)

Apriori算法是關(guān)聯(lián)規(guī)則分析中的經(jīng)典算法，通過先驗(yàn)原則找到頻繁項(xiàng)集，并根據(jù)置信度求得強(qiáng)關(guān)聯(lián)規(guī)則.雖然這種算法需要多次掃描數(shù)據(jù)庫，但是其操作簡(jiǎn)便、便于理解.將Apriori算法應(yīng)用到商務(wù)網(wǎng)站的用戶行為分析中，是一種非常有意義的嘗試.根據(jù)分析結(jié)果可以了解用戶的行為特征，從而制定相應(yīng)的網(wǎng)絡(luò)營銷策略或調(diào)整商務(wù)網(wǎng)站結(jié)構(gòu)，提高用戶的滿意度．

[1]孫燕花,李杰,李建.基于CURE算法的網(wǎng)絡(luò)用戶行為分析[J].計(jì)算機(jī)技術(shù)與發(fā)展,2011,21(9):35-38.

[2]王振宇,郭力.基于Hadoop的搜索引擎用戶行為分析[J].計(jì)算機(jī)工程與科學(xué),2011,33(4):115-120.

[3]丁青,周留根,朱愛兵,等.基于K-means聚類算法的校園網(wǎng)用戶行為分析研究[J].微計(jì)算機(jī)應(yīng)用,2010,31(6):74-80.

[4]柴巧葉.基于關(guān)聯(lián)規(guī)則的用戶頻繁訪問模式研究[J].太原師范學(xué)院學(xué)報(bào),2011,10(2):87-89.

[5]馬力,焦李成,董富強(qiáng).一種Internet的網(wǎng)絡(luò)用戶行為分析方法的研究[J].微電子學(xué)與計(jì)算機(jī),2005,22(7):124-126.

[6]杜海濤,陳定方,張波.一種基于關(guān)聯(lián)規(guī)則的超市購物籃分析方法[J].湖北工業(yè)大學(xué)學(xué)報(bào),2008,23(2):53-55.

[7]張忻,李昆侖.基于關(guān)聯(lián)規(guī)則挖掘的網(wǎng)絡(luò)行為分析系統(tǒng)設(shè)計(jì)[J].電腦知識(shí)與技術(shù):學(xué)術(shù)交流,2011(4):2333-2334.

[8]丁振國,宋薇,李婧.基于序列模式挖掘的社交網(wǎng)絡(luò)用戶行為分析[J].現(xiàn)代情報(bào),2013,33(3):56-60.

[9]王攀,張順碩,陳雪嬌.基于DBP的Web用戶行為分析關(guān)鍵技術(shù)[J].電信快報(bào):網(wǎng)絡(luò)與通信,2008(8):13-15.

[10]王偉.關(guān)聯(lián)規(guī)則中的Apriori算法的研究與改進(jìn)[D].青島:中國海洋大學(xué),2012.

[11]李強(qiáng).數(shù)據(jù)挖掘中關(guān)聯(lián)分析算法研究[D].哈爾濱:哈爾濱工程大學(xué),2010.

[12]畢建欣,張岐山.關(guān)聯(lián)規(guī)則挖掘算法綜述[J].中國工程科學(xué), 2005,7(4):88-94.

[13]劉金勇.WEB數(shù)據(jù)挖掘在電子商務(wù)中的研究應(yīng)用[J].網(wǎng)絡(luò)安全, 2013(9):25-26.

[14]周賀來.Web挖掘中關(guān)聯(lián)規(guī)則的研究與應(yīng)用[D].鄭州:州州大學(xué),2006.

[15]烏文波.應(yīng)用Apriori關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘技術(shù)挖掘電子商務(wù)潛在客戶[D].杭州:浙江工業(yè)大學(xué),2012.

[16]崔寅舟.關(guān)聯(lián)規(guī)則和時(shí)序模式挖掘技術(shù)在服裝專賣店中應(yīng)用的研究[D].上海:上海交通大學(xué),2012.

[17]陳則芝,李冬梅.數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則Apriori算法的優(yōu)化[J].山西大同大學(xué)學(xué)報(bào),2008,24(4):35-37.

【編校：王露】

AprioriAlgorithmApplicationinBusinessWebsite＇sUserBehaviorAnalysis

WANGYuzhen,WANGQian
（SchoolofInformationEngineering,LanzhouUniversityofFinanceandEconomics,Lanzhou,Gansu730020,China）

Byintroducingtheconceptsofassociationrules,theassociationrules'classicalApriorialgorithmanditsappli?cationinbusinesswebsite'suserbehaviorwereanalyzed.TheresultsfromApriorialgorithmcanrevealtheuserbehavior feature,thatiswhenusersclickedtobuydifferentcommoditythereisacertaininevitableeventorahighprobability event.Thatimprovesthesitestructureandcustomersatisfaction.

associationrules;Apriorialgorithm;userbehavior

TP301.6；TP393

A

1671-5365(2015)12-0015-04

王玉珍，王倩.Apriori算法在商務(wù)網(wǎng)站用戶行為分析中的應(yīng)用[J].宜賓學(xué)院學(xué)報(bào),2015,15(12):15-18. WANGYZ,WANGQ.AprioriAlgorithmApplicationinBusinessWebsite'sUserBehaviorAnalysis[J].JournalofYibinUniver?sity,2015,15(12):15-18.

2015-08-06修回：2015-09-09

甘肅省教育廳項(xiàng)目（2013B-047）；2013年甘肅省高等學(xué)校基本科研業(yè)務(wù)費(fèi)項(xiàng)目

王玉珍（1970-），女，教授，碩士，研究方向?yàn)閿?shù)據(jù)挖掘、電子商務(wù)

時(shí)間：2015-09-1015:38

http://www.cnki.net/kcms/detail/51.1630.z.20150910.1538.001.html