《数据挖掘技术在电子商务中的应用与前景分析.》由会员分享，可在线阅读，更多相关《数据挖掘技术在电子商务中的应用与前景分析.（7页珍藏版）》请在金锄头文库上搜索。
1、数据挖掘技术在电子商务中的应用与前景分析摘要:随着数据挖掘技术的发展和电子商务的普及,将数据挖掘技术应用到电子商务中可以解决电子商务中数据量庞大的问题,从而获得真正有价值的信息。本文简要的介绍了数据挖掘的概念,对电子商务中所使用到数据挖掘技术和方法进行了详细的分析,以及对现阶段数据挖掘技术存在的问题进行简单描述,通过问题的引入展望数据挖掘技术在电子商务中的应用前景。关键词:数据挖掘技术;电子商务;应用;前景Application and Foreground Analyse of Date Mining Technique in E-commerceAbstract: With the dev
2、elopment of data mining technique and wide use of E-commerce, the application of data mining technique in E-commerce can solve the problem of large number of data in it, and dealer can also get the truly worthy information. The paper discusses the concept of data mining and it also makes particular
3、analyse of data mining technique and its methods in E-commerce, and make a description of the questions that exist nowadays in the application of date mining technique in E- commerce,by this analysis ,this paper also look forward to the application of date mining technique in E-commerce.Key words:da
4、te mining technique;E-commerce; application;foreground前言:随着网络技术和数据库技术的成熟,全球传统商务正经历一次重大变革,向电子商务全速挺进。电子商务是商业领域的一种新兴商务模式,它是以网络为平台,以现代信息技术为手段,以经济效益为中心的现代化商业运转模式,其最终目标是实现商务活动的网络化、自动化与智能化。电子商务的产生改变了企业的经营理念、管理方式和支付手段,给社会的各个领域带来了巨大的变革。随着网络技术的迅猛发展和社会信息化水平的提高,电子商务显示出巨大的市场价值和发展潜力。当电子商务在企业中得到应用时,企业信息系统将产生大量数据,并
5、且迫切需要将这些数据转换成有用的信息和知识,为企业创造更多潜在的利润,数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。利用功能强大的数据挖掘技术,可以使企业把数据转化为有用的信息帮助决策,从而在市场竞争中获得优势地位。正文:1、数据挖掘技术的概念数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取陷含在其中的、人们事先不知道但又有潜在作用的并最终可理解的信息和知识的非平凡过程。它是涉及面很广的交叉科学,包括机器学习、数据库、统计
6、学、模式识别、数据分析等相关技术。数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间的关系的过程,使用这些模型和关系可以进行预测,它帮助决策者寻找数据间潜在的关联,发现被忽略的因素,是解决当今时代所面临的数据爆炸而信息匮乏的问题的一种有效方法。它是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据,是一种深层次的数据分析方法。2、数据挖掘技术在电子商务中的应用2.1寻找潜在客户在对Web的客户访问信息的挖掘中,利用分类技术可以在Internet上找到未来的潜在客户,获得这些潜在的客户市场。2.2改进站
7、点设计通过路径分析等技术可以判定出一类用户对一个Web站点频繁访问的路径,这些路径反映这类用户浏览页面的顺序和习惯,因此得到的导航模式可以指导网站设计人员改进站点的设计结构,吸引用户来访问。2.3提供个性化服务Internet使得客户与销售商之间的空间距离消失了,那么如何使客户能够在自己的销售站点上驻留更长的时间呢?首先必须了解客户,知道其兴趣所在,然后给其进行动态的Web 页面调整以适合当前客户的需要。通过对客户访问信息的挖掘,就能知道客户的浏览行为,从而了解客户的兴趣及需求。通过提供个性化服务,延长客户驻留时间。2.4聚类客户在电子商务中客户聚类是一个重要的方面。通过分组具有相似浏览行为的
8、客户,并分析组中客户的共同特征,可以帮助电子商务的组织者更好地了解自己的客户,向客户提供更适合、更面向客户的服务。通过聚类可以对不同类别的客户进行不同的个性化服务,使商务活动能够在一定程序上满足客户的要求,这样对客户和销售商来说才更有意义。2.5提供高效访问通过访问信息的挖掘,利用基于Web访问信息挖掘的预推送技术可以更好的设计服务器以提高在大负载下的性能,通过改进站点的拓扑结构可以有效地缩短用户访问时间。3、电子商务中使用的数据挖掘技术和方法随着电子商务的不断发展,许多人纷纷加入到电子商务推荐系统的研究中来。为了寻求更加准确而且有效的推荐,已经有许多技术被应用到这个领域中。这些技术在很多电子
9、商务商品推荐系统中已经得到了应用,而且还取得了比较好的推荐效果。目前,电子商务商品推荐系统中使用的技术主要有如下几种。3.1关联规则电子商务商品推荐系统中的关联规则技术利用关联规则发现算法,根据用户当前的购习行为向该用户提供推荐。基于关联规则的推荐算法大都可以分为两步:关联规则形成和推荐形成。推荐形成阶段,推荐系统根据规则计算当前用户未浏览商品的推荐度,并根据推荐度的大小对当前用户未浏览商品进行推荐。在运用关联规则技术进行推荐的过程中,关联规则的发现是最耗时的,也是算法的瓶颈,因此可以考虑离线进行,一旦规则形成以后,推荐的实时性是比较好的。3.2序列模式分析在时间戳有序的事务集中,序列模式的发
10、现就是指找到那些如“一些项跟随另一个项”这样的内部事务模式。使用序列模式分析挖掘Web日志,能够便于预测用户的访问模式,有助于开展针对这种模式的有针对性的广告服务或者向客户提供商品推荐。依赖于发现的关联规则和序列模式,能够在服务器方动态的创立特定的有针对性的页面,以满足访问者的特定需求3。3.3分类分析在电子商务中通过分类分析,得到客户分类模式后,就可以针对不同类客户的特点展开不同的商务活动,提供有针对性的个性化的信息服务;得到客户的分类模式后,还可以对新的客户进行分析,分析新的客户属于哪一个类别,从而有针对性的开展商务活动。3.4聚类分析通过聚类具有相似浏览行为的客户,使管理员更多的了解客户
11、,提供客户更满意的服务。通过对Web用户日志的挖掘,对网络用户进行聚类,可以更好地了解用户的需求,重新调整网站的页面结构,从而为用户提供方便、优质的服务;通过聚类客户资料,将具有相似爱好的客户分配到相近的类中,根据类中其他客房对商品的评价就可以得到该客户对该商品的评价,向客户推荐他可能感兴趣的商品3。3.5协作式过滤技术协作式过滤技术是应用最早并且最为成功的推荐技术之一3。电子商务商品推荐系统中的协作式过滤技术一般采用最邻近原则,根据用户的历史喜好信息计算用户之间的距离,然后利用用户的最近邻居对商品评价的加权平均值来预测该用户对特定商品的喜好程度,最后推荐系统根据这一喜好程度来向用户进行推荐。
12、基于协作过滤的推荐算法大多可以分为形成近邻和形成推荐两个步骤。一般来说基于近邻所运用的技术决定了算法的主要性能,基于近邻可以分为两大类:基于内存和基于模型的算法。3.6分类分析的聚类分析的有机结合分类分析和聚类分析是互逆的过程。开始用聚类分析将数据进行聚类,分成若干个簇,然后用分类分析该数据的集合,得到每个类别的描述,然后可以按照新数据的特点将其放到适合的类中去。也可以通过对类的描述作为新的分类规则重新对数据进行分类,从而获得更准确的结果。这样一直循环使用,直到获得满意的效果。4、现阶段数据挖掘技术在电子商务中的问题4.1数据趋势的预测数据是海量的,那么数据中就会隐含一定的变化趋势,在电子商务
13、中对数据趋势的预测尤为重要,特别是对客户信息以及商品信息合理的预测,有利于企业有效的决策,获得更多地利润。但如何对这一趋势做出合理的预测,现在还没有统一标准可寻,而且在进行数据挖掘过程中大量数据形成文本后格式的非标准化,也给数据的有效挖掘带来了困难。4.2数据模型的可靠性数据模型包括概念数据模型、逻辑数据模型、物理模型。数据挖掘的模型目前也有多种,包括采集模型、处理模型及其他模型,但无论哪种模型都不是很成熟存在缺陷,对数据模型不同采用不同的方式应用。可能产生不同的结果,甚至差异很大,因此这就涉及到数据可靠性的问题。数据的可靠性对于电子商务来说尤为重要作用。4.3数据挖掘涉及到数据的私有性和安全
14、性大量的数据存在着私有性与安全性的问题,特别是电子商务中的各种信息,这就给数据挖掘造成了一定的阻碍,如何解决这一问题成为了技术在应用中的关键。4.4数据挖掘结果的不确定性数据挖掘结果具有不确定性的特征,因为挖掘的目的不同所以最后挖掘的结果自然也会千差万别。5、数据挖掘技术在电子商务中的应用前景强烈的市场需求是数据挖掘技术在电子商务应用中的必然结果,随着Web技术的发展,各类电子商务网站风起云涌,建立起一个电子商务网站并不困难,困难的是如何让电子商务网站有效益。要想有效益就必须吸引客户,增加能带来效益的客户忠诚度。电子商务业务的竞争比传统的业务竞争更加激烈,原因有很多方面,其中一个因素是客户从一
15、个电子商务网站转换到竞争对手那边,只需点击几下鼠标即可。网站的内容和层次、用词、标题、奖励方案、服务等任何一个地方都有可能成为吸引客户、同时也可能成为失去客户的因素。而同时电子商务网站每天都可能有上百万次的在线交易,生成大量的记录文件和登记表,如何对这些数据进行分析和挖掘,充分了解客户的喜好、购买模式,甚至是客户一时的冲动,设计出满足于不同客户群体需要的个性化网站,进而增加其竞争力,几乎变得势在必行。若想在竞争中生存进而获胜,就要比竞争对手更了解客户。因而数据挖掘技术的应用也就显得越来越重要了。结束语:电子商务过程中的各种信息和数据是电子商务活动能够更好的进行的基础,通过选择合适的数据挖掘技术
16、来挖掘电子商务中有价值的信息,从而使企业在激烈的市场竞争中做出正确的决策,保持有力的竞争优势。随着数据挖掘技术的不断发展,相信它在电子商务中的应用将促使其得到更快更高效的发展。参考文献:1周世东. Web数据挖掘在电子商务中的应用研究D.北京交通大学,2008(6.2赵东东. 电子商务中的Web数据挖掘系统的设计J.微计算机信息,2007(2.3何波,王越. 基于数据挖掘的Web个性化信息推荐系统J. 计算机工程与设计,2006(2.4 姚淼.数据挖掘在电子商务中的应用J.高校图书情报论坛,2009,8(1.3 杨青杰.胡明霞.数据挖掘技术在电子商务中的应用研究J.商场现代化,2008(16.
