[发明专利]一种在电子商务平台上客户访问页面常见序列的提取方法和装置

权利要求书

1.一种在电子商务网站平台上客户访问页面常见序列提取方法，其特征在于，该方法包括：

通过在电子商务网站平台待采集页面上通过嵌入代码模块嵌入采集代码采集客户访问网站平台的页面记录，并将记录存入数据库中；

对通过嵌入代码采集的客户访问页面记录的基础数据进行预处理；

挖掘客户访问页面常见序列，提取满足设定支持度阈值的序列模式，即为客户访问页面常见序列模式。

2.如权利要求1所述的方法，其特征在于，数据来源通过在网站平台上的嵌入代码模块嵌入代码实时进行采集；

嵌入代码模块部署在电子商务网站平台上，通过在待采集页面上嵌入采集代码，当客户访问该页面时，将客户访问信息发往服务器；

客户访问信息经过服务器解析后，提取信息内容包括：客户访问使用的IP地址、访问时间、访问页面地址、上一个页面地址，将提取信息存入数据库中。

3.如权利要求1所述的方法，其特征在于，对采集的基础数据进行预处理，每日定时提取所有客户id，并根据客户id提取每个客户当日访问的页面id，存入数据库中，格式为：客户id、访问页面id、时间。

4.如权利要求1所述的方法，其特征在于，对采集的数据进行计算，设定支持度阈值，提取所有支持度大于阈值的客户访问页面序列，即所挖掘出的客户访问页面常见序列。

5.如权利要求4所述的方法，其特征在于，先找出各个频繁项，根据每个频繁项分别产生投影数据库的集合。每个数据库进行单独挖掘。算法构造前缀模式，它与后缀模式相连得到频繁模式。

6.如权利要求5所述的方法，其特征在于，扫描数据库，得到满足支持度阈值的长度为1的频繁序列；根据1-频繁序列划分搜索空间；找出1-序列模式的子集，构造相应的投影数据库；令每个1-序列为前缀，产生该前缀的投影数据库，并进行挖掘，找出投影数据库中满足支持度阈值的1-序列，与前缀合并为2-频繁序列；令n-频繁序列(n>1)为前缀，构造该前缀的投影数据库，顺序进行递归挖掘，直至各投影数据库不能再产生任何频繁子序列，对该投影数据库的处理终止；客户访问页面的常见序列的集合是在以上递归挖掘过程中发现的模式的并集。

7.一种在电子商务类网站平台上提取客户访问页面常见序列的装置，其特征在于，该装置包括：

嵌入代码模块：用于在电子商务平台的WEB服务器上针对待采集页面嵌入采集代码，并收集所有采集的客户访问基础数据，进行解析后存入数据库中；

基础数据预处理模块：用于将基础数据进行格式化预处理，每天自动定时进行处理，生成待挖掘的数据集；

客户访问页面常见序列挖掘模块：用于将预处理后的数据进行客户访问页面常见序列的挖掘，并进行挖掘结果的展示。

8.如权利要求7所述的装置，其特征在于，所述嵌入代码模块包括：

代码嵌入模块：将采集代码自动嵌入待采集的页面内容中，供客户访问页面时采集客户访问页面信息；

采集数据存储模块：当客户访问待采集页面时将客户访问页面信息发回本模块，解析后将客户访问数据存入数据库中。

9.如权利要求7所述的装置，其特征在于，所述基础数据处理模块包括：

数据提取模块，用于在每日零时定时提取前一天所有客户访问数据，存入视图中；

数据预处理模块，用于提取视图中前一天访问电子商务平台的所有客户id，并根据客户id提取客户前一天访问的所有页面id，存入数据库中，记录时间。

10.如权利要求7所述的装置，其特征在于，所述客户访问页面常见序列挖掘模块包括：

PrefixSpan挖掘算法模块，用于根据PrefixSpan算法处理数据，挖掘客户访问页面常见序列；

结果存储模块，将所有挖掘出的频繁序列进行合并，存入结果文件中；

显示模块，根据挖掘结果显示客户访问页面常见序列。