《Mining the Web：Transforming Customer Data into Customer Value》读后札记

《Mining the Web：Transforming Customer Data into Customer Value》

《Web数据挖掘：将客户数据转化为客户价值》

——[美] Gordon S.Linoff Michael J.A. Berry 著

【数据挖掘的角色】

数据挖掘的角色就是在和客户的联系中加入智能——并且通过调节人的智能来更精确地做到这一点。

数据挖掘的目标就是利用信息系统重新加入人的调节，使得商家能更好地了解客户的需求，同时也使得经济规模达到价格更低廉和选择更多。

【数据挖掘的方法】

Web数据挖掘一般指的是三种完全不同的行为，所有的这些行为都有数据挖掘的特性并且都被包括在网络中，但是就像数据挖掘的动机不同一样，实际被挖掘的数据也是不同的。

这三种行为即为：

1、  结构挖掘

结构挖掘是用来提取网络的拓扑信息的——网页之间的链接信息。哪些页面被其他页面所链接，哪些页面指向了其他页面？哪些页面的集合构成了一个独立的整体？

2、  应用挖掘

应用挖掘是用来提取关于客户如何运用浏览器浏览和使用这些链接的信息。他们访问了哪些页面？在每一页上待了多长时间？下一步单击了什么？在站点中是按照怎样的访问路线通向检查计数器，又是通过怎么样的路线直接退出的？

3、  内容挖掘

内容挖掘是用来提取文字、图片或其他组成网页内容成分的信息。哪个站点卖辣酱？哪些页面是德文的？哪些页面是介绍莫里斯的舞蹈，或是介绍酸雨的？搜索引擎、智能代理和一些推荐引擎都使用内容挖掘来帮助客户在浩瀚的网络空间中寻找需要的内容。

【结构挖掘中的“计算引用”】

在“不是出版，就是毁灭”的学术世界里，引用一直是保持成绩的一个方法。仅仅是出版过文章是不够的， 重要的是其他人的确读过它并且觉得它们有用。一篇文章的有用与否在于这篇文章出现在在其他文章的参考书目中的次数。特别是作者，会因为他的作品的重复引用而在某个学科出名。——！！！

【不同的搜索引擎决定什么页面能够吸引读者的方式有关】

AltaVista 是基于内容挖掘的，而Google同时还使用了结构挖掘。一言以蔽之，当一个客户输入要搜索的字串“数据挖掘查询”，AltaVista 将很高兴地返回任何谈到数据挖掘查询的页面，而Google则根据对于有关该题目链接的页面的结构的分析来返回它认为是权威的页面。