摘  要： 以网上书店为例，利用贝叶斯分类预测技术，进行了发现潜在客户群体的研究，用随机选取的10组样本进行试验预测，预测准确率达96.5%，表明了该算法是有效的。
关键词： 数据挖掘；贝叶斯分类；潜在用户；网上书店

　当前信息时代发展迅猛，电子商务的兴起使得用户和商家都借助于Internet这个平台进行交流，方便用户购书的网上书店也随之发展起来。在服务成本加大、而收效甚微的前提下，商家面临着拓宽客户的问题。挖掘潜在顾客群体，为网站经营者在激烈的市场竞争中洞察先机、调整有效的顾客服务策略，提供准确的参考信息及科学的决策依据，最终达到识别潜在顾客、吸引新顾客、真正做到以顾客价值为中心，全方位为其提供整体服务，从而提升品牌、促进消费，在总体上减少商业成本并增加利润。
　国内外关于面向Web日志挖掘用户行为及潜在顾客信息的研究发现，其包括三个过程：数据预处理、模式识别及模式分析[1]。在国外，Ngu D S W和Wu X等人也研究了SiteHelper系统，其主要方法是使用信息提取的方法提取页面信息，并且结合用户访问历史、用户个人资料提供的线索，向用户动态推荐访问的页面，缺点是涉及了比较敏感的用户个人隐私问题[2]。参考文献[3]根据用户的查询与目标页面的并发关系，分析聚类用户的存取事务，发现用户的个性化搜索模式，对其所需服务进行主动定制。在国内，参考文献[4]提出利用数据挖掘中的分类方法，根据已有用户的访问信息，训练分类器，其贡献在于能够量化地推断匿名用户的访问特性；其不足在于访问特性本身需要人工定义，存在着缺漏。郭新涛等人提出了一种新的支持站点设计优化的Web使用挖掘方案，该方案基于Web日志中的搜寻路径统计用户寻找目标花费的平均时间，以量化Web页面的搜寻费用，在此基础上提出了一种数据挖掘方法，寻找一组能够有效压缩搜寻路径(降低时间费用)的超链接，以便挖掘用户[5]。
　基于上述不足，本文利用数据挖掘中贝叶斯分类技术来研究网上书店中的有关挖掘潜在用户的问题。贝叶斯算法作为处理不确定性信息的重要工具，已成功运用在统计决策、医疗诊断、零售业[6]、考试成绩检测机制等领域[7]。最为成熟的是，采用贝叶斯算法对邮件进行判断，建立了最优化的垃圾邮件过滤技术[8]。而本文所说的潜在用户也是具有不确定性，基于这个相似点，而选择使用贝叶斯算法[9]。
1 贝叶斯分类预测方法
　分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述、建立分析模型或挖掘出分类规则，然后用这个分类规则对新的数据记录进行分类，其中贝叶斯分类方法是一种易于使用并且具有最小错误率的概率分类法，它以完善的贝叶斯理论为基础，有较强的模型示、学习和推理能力，是一种很受欢迎的数据挖掘分类方法。贝叶斯分类是统计学分类方法，可以预测类成员关系的可能性，如给定数据项属于一个特定类的概率。

2 贝叶斯分类技术在网上书店挖掘潜在用户中的应用
　本文以网上书店欲销售小说为案例，以网上书店的顾客cookies数据库为对象，用贝叶斯分类的挖掘技术对收集到的已经购买过本产品顾客的浏览持续时间、浏览次数、书的销售类型以及小说类型等数据进行分析，生成对当前数据库有效的用户分类模型，从中识别顾客购买行为，发现顾客购物模式和倾向，挖掘潜在用户，对不同顾客实施不同的推销策略，为该商店调整有效的销售策略提供一些有用的参考依据。
2.1 数据描述
　首先把分类结果即目标属性定为两类：购买和不购买。其中数据样本可用一个五维特征向量X={x1，x2，x3，x4，x5}分别描述以下属性(浏览持续时间、一天之内的浏览次数、书的销售类型、小说类型、是否购买)，其中各属性的数据泛化过程如下：
　浏览持续时间：0表示0~5 min，1表示5~10 min，2表示10~30 min。
　一天之内的浏览次数：3代表浏览1次，4代表浏览2次，5代表浏览5次。
　书的销售类型：6代表特价书，7代表热卖书。
　小说类型：8代表言情小说，9代表武侠小说。
　是否购买：-2代表购买，-1代表不购买。
2.2　预处理数据
　把cookies数据库中的部分信息(顾客购买的子集， 14人)作为训练样本(可随机抽取)，推断一下网站对未知类别样本的购买情况，以简单说明贝叶斯分类的一般工作流程。
　表1给出了一个类别标记的数据项的样本，它是商店的cookies数据库中抽取的顾客训练集样本。

　其相应的数据泛化后的顾客样本为：
　顾客1{0，3，6，8，-1}   顾客2{0，3，6，9，-1}
　顾客3{1，3，6，8，-2}   顾客4{2，4，6，8，-2}
　顾客5{2，5，7，8，-2}   顾客6{2，5，7，9，-1}
　顾客7{1，5，7，9，-2}   顾客8{0，4，6，8，-1}
　顾客9{0，5，7，8，-2}   顾客10{2，4，7，8，-2}
　顾客11{1，4，7，9，-2}  顾客12{1，4，6，9，-2}
　顾客13{1，3，7，8，-2}  顾客14{2，4，6，9，-1}
2.3 挖掘潜在用户的算法流程
　基于贝叶斯的挖掘潜在用户的分类算法流程如图1所示。

2.4实例分析
　推断新样本X(2，3，6，9)的用户类别，用贝叶斯分类解法挖掘潜在用户的每个步骤的结果为：
　(1)P(是否购买=“购买”)=9/14=0.643，P(是否购买=“不购买”)=5/14=0.357。
　(2)使用贝叶斯算法计算各属性的所有取值相对于每个类别的概率结果如表2所示。

　(3)判断用户类别
　P(‘10~30 min，浏览1次，特价书，武侠小说’|‘购买’)×P(‘购买’)=0.333×0.222×0.333×0.333×0.643=0.005 3
P(‘10~30 min，浏览1次，特价书，武侠小说’|‘不购买’)×P(‘不购买’)=0.4×0.4×0.8×0.6×0.357=0.027 4
根据上述结果可知，P(‘不购买’)>P(‘购买’)，所以由贝叶斯挖掘技术预测的新样本的用户类为：“是否购买=不购买”，也就是具有这种基本信息的顾客有很大的可能性不购买该商店的产品(武侠小说)。
3 实验结果与分析
　为了验证贝叶斯分类方法的正确性和有效性，从cookies数据库随机抽取10组样本，分类结果如表3所示。可以看出，每组样本的样本个数不确定，其中有9组样本的正确率达到了95%以上，在这9组样本中有5组样本的正确率达到了100%，有一组样本的正确率在95%以下。同时也可以看出，贝叶斯算法的不足之处在于，对发生频率较低事件的预测效果和对于样本个数较少的样本预测效果不好。从10组样本的预测结果中得出平均正确率为96.5%，说明贝叶斯算法分类的正确率相当高，贝叶斯分类算法具有很强的学习、推理能力，能很好地利用先验知识。

　本文研究了贝叶斯分类挖掘技术在购书网站挖掘潜在用户中的运用，基于贝叶斯方法的分类预测具有形式简单、易于解释、预测结果正确率高，且可以很容易从不同的领域进行推广等优点，但是对发生频率较低事件的预测效果不好，在这方面需要进一步改进。
参考文献
[1] 王岚，翟正军.Web日志挖掘的预处理及路径补全算法的研究[J].微电子学与计算机，2006，23(8)：113-114.
[2] NGU D S T， WU X. Sitehelper： A locall’zed agent that helps incremental exploration of the World Wide Web[C]. 6th International World Wide Web Conference. Santa，Clara， CA， 1997： 1249-1255.
[3] DOUG B， ADAM B. Agglomerative clustering of a search engine query log[C]. Proceedings of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Boston， Massachusetts， United States， 2000. New York： ACM Press， 2000： 407-415.
[4] 张娥，郑斐峰，冯耕中.Web日志数据挖掘的数据预处理方法研究[J].计算机应用研究，2004，3(2)：58-60.
[5] 郭新涛，梁敏，阮备军，等.挖掘Web日志降低信息搜寻的时间费用[J].计算机研究与发展，2004，41(10)：1737-1747.
[6] 魏小琴，刘慧玲，李明东.朴素贝叶斯分类挖掘技术在零售业的应用[J].中国西部科技，2008，27(7)：28-29.
[7] 任喜峰.基于朴素贝叶斯分类的考试成绩监测机制研究[J].统计与决策，2007，59(22)：163-164.
[8] 张付志，伍朝辉，姚芳.基于贝叶斯算法的垃圾邮件过滤技术的研究与改进[J].燕山大学学报，2009，33(1)：47-52.
[9] 李艳，刘信杰，胡学钢.数据挖掘中朴素贝叶斯分类器的应用[J].潍坊学院学报，2007，7(4)：48-50.