數據挖掘在電子商務在線答疑中的應用模型研究

摘要：隨著電子商務蓬勃發展，數據挖掘逐漸應用在電子商務需求的方方面面。本文在分析了電商平臺中在線咨詢功能的不足后，利用數據挖掘技術，提出一種基于關聯規則挖掘的電子商務在線答疑模型。

Abstract： With the prosperous development of the E-Commerce， data mining technology has been utilized in various aspects for E-Commerce requirements. This paper analyzed the inadequacies of online answering functions in existing E-Commerce platforms， then proposed a novel E-Commerce online-answering model based on the association rules， utilizing the data mining technology.

關鍵詞：電子商務；數據挖掘；關聯規則；在線答疑

Key words： E-Commerce；data mining；association rule；online answering

中圖分類號：TP391.1 文獻標識碼：A 文章編號：1006-4311（2016）09-0169-02

0 引言

電子商務是利用互聯網、電子數據交換、電子資金轉賬等信息技術在國家、企業及個人之間進行的以經濟效益為中心，以商品及訂購信息、資金及支付信息、安全及認證信息為載體，以實現商務活動的電子化、網絡化與智能化為目標的現代商業運轉模式。

電子商務是在開放的網絡環境中，買賣雙方互不謀面，所有的活動在網上進行。這也造成了買家對商品質量、功能、用法等形形色色的的問題無法通過實物接觸來獲得，而商家疲于應付無數買家大量相同或不同的問題咨詢，耗費了大量精力、時間。因此，利用數據挖掘技術設計一個較高智能的電子商務在線自動答疑系統，使得電子商務運營中的大量客戶隨機咨詢問題時，無需電商客服在線解答，系統自動實時解答，就可以較好的解決這個不足。

1 數據挖掘概述

數據挖掘是從大量的、不完全的、模糊的、隨機的數據中，提取隱藏其中的、有潛在價值的信息的過程，其主要步驟如圖1所示。

數據挖掘的常用方法有分類、聚類、關聯規則發現、回歸分析、特征、變化與偏差發現等。分類就是找出一組描述已有數據集合共性的模型或函數，以便來分類未知數據的類別，即將未知事例對應到某個給定的類別。關聯規則發現是為了挖掘出隱含在數據中的相互關系，即根據一個事務中某些數據項的出現可導出另一些數據項在同一事務中也出現，即隱藏在數據間的關聯或相互關系。

2 電子商務在線答疑系統模型功能介紹

電子商務在線答疑系統模型是針對消費者問題的普遍性和共性而提出的。簡單而言，首先由電商客服將大量常見問題答案對保存在系統問題庫中，當客戶隨機地在線咨詢問題時，系統在問題庫中查找相同問題或高度相關的問題提交給客戶進行參考，客戶認為問答一致時，在線咨詢完成；客戶認為不一致時，該問題才會發給電商客服，客服解答該問題并添加入系統問題庫。

例如，客戶通過互聯網上的電子商務平臺（如淘寶、京東等）向商家提出問題時，系統首先去理解問題，之后調用問題匹配算法對問題庫中所有問題計算其相對新問題的匹配程度，比較每個問題匹配程度值和相同問題閥值得出相同問題，并按照匹配程度高低順序且參照相關問題閥值得出相關問題，最后將最相關的匹配結果序列（數量可控且少量）發送給客戶端，由客戶從提供的答案中選出和提交問題吻合的答案。如果推薦問題答案序列中存在和新問題吻合的答案，則此推薦問題訪問頻度值自動加1；如果不存在，系統就認為問題庫中無相似問題。系統將該新問題發往電商客服，客服在系統中向提問的客戶回答該問題，并將該問題答案對保存入問題庫，這樣特殊性的問題回答也得到保證。

3 電子商務在線答疑系統模型的理論基礎

針對客戶提出的初始問題Q，系統分析后會產生一系列相關問題（Q1…Qm）。再依次對問題Q和其中的一個相關問題Qp分解為各自的知識點和語義詞的序列（K1…Km，Y1…Yn）和（Kp1…Kp（mi），Yp1…Yp（ni））。把序列（K1…Km，Y1…Yn）轉換為m*n個兩兩由知識點和語義詞組成的模式（Ki，Yj）。分別把每一對{Q，Qp}分解和轉換，就可以得到相關模式項集Ti={（Ki，Yj），（Kpi，Ypj）}。這樣就把問題轉換為模式。

然后，對相關模式進行關聯規則挖掘。因為各個模式所在問題的訪問順序不同，在對問題的次序概化處理后，所得到的每個模式都有對應的相關程度的類別。而相關程度的類別都有類別系數，這樣就產生一系列包含有相關系數的模式。對各個有相關系數的模式應用關聯規則的挖掘，得到一些列在一定模式層次上的規則，應用調整算法進行合并、刪除這些規則就得到比較理想的規則。上述過程如圖2所示。

■

4 電子商務在線答疑系統模型

在線答疑模型簡要概括為：①分解初始問題Q的知識點及語義詞；②產生相關問題過程（Q1…Qm）；③相關問題（Q1…Qm）相關度的計算和排序；④利用規則庫等匹配出最相關問題或在無相關問題條件下將該問題存入問題庫；⑤電商客服非實時維護問題庫。

利用關聯規則挖掘的結果，可以提出一個較先進的電子商務在線答疑系統模型，如圖3所示。

■

在分解初始問題的基礎上，對初始問題和規則庫中的規則模式進行匹配，對應初始問題的相關度計算由下式得出：

F（Qi）=G（ki）+M（Li1，Lik）+N（ri）=ki+Li1+……Lik+5*ri

5 電子商務在線答疑模型應用效果分析

采用電子商務在線答疑模型可以更實時的為消費者提供快捷高效的咨詢服務，對比目前電子商務客服利用網上通訊軟件在線應答時頻繁出現中斷或延時，浪費了消費者的寶貴時間，預計可以節省60%的時間，可以節省80%以上的客服人員及客服設備。當大量消費者同時咨詢時，會造成客服人數不夠而增加人力，同時也束縛客服必須時刻在線守候，極大浪費了人力資源，因此在線答疑模型的實際應用會大大提高電子商務運營的效率。

但是，畢竟在線自動答疑模型的智能性還不能完全與客服人工媲美，當遇到一些較難以理解的問題或較特殊的問題時無疑會導致消費者無法得到滿意的答案，此時還需客服來人工完成咨詢回復，所以筆者認為在電子商務運營中采用在線答疑系統模型處理客戶咨詢為主，客服人工答疑為輔的模式最為理想。

6 結束語

電子商務擺脫了時空的限制，省掉了很多人力成本，實現了各類資源全球性的共享，正以無可比擬的優勢迅猛發展。電子商務中商家與消費者的交流可以通過各式各樣的數據。只要充分發揮數據挖掘技術的優勢，即可對瞬息萬變的電商運營環境作出最快最好的反應，以此達到商家和消費者雙贏。

參考文獻：

[1]Pang-Ning Tan，Michael Steinbach，Vipin Kumar. 數據挖掘導論[M].人民郵電出版社，2010.

[2]潘曉輝. 數據挖掘在智能答疑模型中的應用[J].微電子與計算機，2006.

[3]蘇群，申瑞民，王武.改進型智能答疑模型的設計和實現[J].計算機仿真，2003.

[4]張同珍，申瑞民.基于web的自動答疑系統問題匹配算法研究與實現[J].計算機工程與應用，2003.