本发明属于网络web技术领域，同时涉及了数据库技术。
背景技术：
随着电子商务的快速发展，怎么可以更加的让自身的产品更加的受到消费者的青睐，需要对web上用户的浏览行为并进行模式分析，这样将会缩短销售商与客户之间的距离，让销售商更了解自己客户的需求，有针对性地开展电子商务活动。
技术实现要素：
系统的总体设计
1.数据采集：数据采集层所采集的数据对象即为web挖掘的源数据，web挖掘的源数据有:web服务器日志、客户登记信息和交易数据库，web服务器日志是由客户访问所产生的服务器日志数据，可分为serverlobs,errorlobs和cooklobs，其中，serverlogs记载用户登录时间、用户ip、用户名、url词干、url查询、服务器响应等信息;errorlogs存取丢失连接、授权失败、超时等请求失败的数据;cookies为一种软件构件，能在客户端存储客户访问服务器的信息，cookielogs是服务器端存储cookies的有关信息，客户登记信息是指客户通过web页向服务器提交的表单信息，包括:用户姓名、性别、年龄、住址、电子信箱、身份证号及信用卡号等，客户登记信息必须和访问日志集成，以提高数据挖掘的准确度，交易数据库存储用户在商务网站上购买商品的信息，其内容随数据库结构的不同而有所不同，一般包括:用户名、时间、商品id、采购数量及价格等；
2.数据处理：数据处理层实现对数据采集层所采集的源数据进行处理，包括日志文件的处理和数据仓库的建立两个方面；
（1）日志文件的处理：日志文件处理得好坏直接影响挖掘算法产生的结果，其处理过程是保证web使用挖掘质量的关键，日志文件的处理包括数据清洗、用户确定、用户访问序列确定、用户会话确定、访问路径完善等方而；
（2）数据仓库的建立：数据仓库是基于多维数据的模型，其中的数据是以数据立方体(datacube)的形式存放的，建立数据立方体关键在于合理地选择维和度量：
3.数据存储：经过处理后的数据由数据存储层进行保存和管理，而向电于商务的web挖掘应用系统主要有三类存储方式:关系数据库、数据仓库和事务数据库，关系数据库的每个数据表之间不仅具有独立性，且若干个数据表间又具有相关性，这一特点使关系数据库成为数据挖掘最流行的、最丰富的数据源，数据仓库是一个而向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策，事务数据库一般为一个文件组成，其中每个记录代表一个事务，通常，一个事务包含一个唯一的事务标识号(transid)和一个组成事务的项列表(如，所购买的商品)，事务数据库可能有一些附加表，包含关于销售的其它信息，如，事务日期、顾客id、销售id及销售分店等，事务数据库特别适合于“购物篮数据分析”的数据挖掘，通过这种挖掘，可以得到类似于“哪些商品适合一起销售”的信息，以提供扩大销售的策略。