吴毅强

(广州华立科技职业学院管理学院，广东 广州 511325)

电子商务的普及给人们的生活带来了极大便利，通过研究电子商务用户行为特征可以为用户提供高质量服务，大幅提升电子商务交易成功率，因此分析电子商务用户行为数据特征是当前电子商务用户维护领域中的关键课题[1-3]。

针对庞大的电子商务用户群，分析用户行为不易，在电子商务用户行为数据中利用高效数据分析方法准确分析用户行为特征十分必要[4-6]。作为数据挖掘的一种有效方法，聚类分析具有无监督学习特性，可在大量、无规律、含噪的电子商务用户行为数据中发现隐性的行为模式，呈现电子商务用户行为数据隐藏的特征，为人们的决策判断提供理论支持，但是传统的K-means聚类算法具有计算量大、获取最优解时间长等缺陷[7-9]。

为了提高电子商务用户行为聚类分析效果，本文提出了基于组合优化的电子商务用户行为聚类分析方法。将遗传算法和K-means进行融合，对电子商务用户行为数据集进行聚类分析，基于组合优化理论，实现电子商务用户行为聚类分析，通过实验验证了本文方法可获取高精度聚类结果。

1 组合优化理论的电子商务用户行为聚类分析方法

在当前电子商务用户行为聚类分析过程中，为了提高聚类分析效果，通常将遗传算法和K-means聚类算法结合起来，以实现电子商务用户行为聚类。

1.1 遗传算法和K-means相融合的电子商务用户行为聚类分析方法

采用遗传算法和K-means聚类算法聚类各电子商务用户行为数据集，利用遗传算子交互个体信息，逐步逼近最优解，可防止出现陷入局部最优解问题，具体过程为：