《电子商务电子商务论文范文-阐述数据挖掘技术在电子商务推荐中的应用word版下载》由会员分享，可在线阅读，更多相关《电子商务电子商务论文范文-阐述数据挖掘技术在电子商务推荐中的应用word版下载（8页珍藏版）》请在金锄头文库上搜索。
1、电子商务电子商务论文范文:阐述数据挖掘技术在电子商务推荐中的应用word版下载导读：本论文是一篇关于数据挖掘技术在电子商务推荐中的应用的优 秀论文范文,对正在写有关于电了商务论文的写作者有一定的参考和 指导作用，论文片段：摘要：随着互联网的普及应用和现代电子商务的迅猛发展，推荐系 统逐渐成为电子商务IT技术的一个重要研究内容，得到了越来越多 研究者的关注。一个完善的电子商务系统不应当只有在线交易功能， 而且应该能够通过商业智能分析等技术为商业运作提供辅助支持，尤 其在这样一个信息爆炸的时代。如今电子商务系统累积的大量信息数 据，企业迫切希望通过对这些信息的有效组织利用，能够从中获取有 利于商业
2、运作、提高竞争力的信息。这种需求推动了用于电子商务的 数据挖掘技术研究的深入。关键词：数据挖掘技术；电了商务；应用1009-3044 (2011)27-6588-02Data Mining Technology in the Electronic CommerceRecommendation ApplicationsXU Xian-wen, ZHENG Sha-jun(Fuzhou University College of Mathematics and ComputerScience, Fuzhou 350108, China)Abstract: With the popularizati
3、on of Internet application and the rapid development of electronic commerce, electronic commerce recommendation system has gradually become the IT technology is an importa nt research con tent, has got more and more attention of researchers. A perfect electronic commerce system should not only on-li
4、ne transaction function, but also should be able to adopt commercial intelligenee analysis technology for commercial operation to provide support, especially in such an age of information explosion. Nowadays electronic commerce system accumulated a large amount of data, the enterprise wants through
5、to these information is effective use of tissue, to be able to gain favor business operation, to improve the competitiveness of the information. The demand for the electronic commerce data mining technology research.Key words: data mining; electronic commerce; application1数据挖掘技术近年来，数据挖掘技术引起了信息产业界和整个
6、社会的极大关 注，其主要理市是存在可以广泛使用的数据，并且迫切需要将这些数 据转换成有用的信息和知识。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对的数据爆炸而信息匮乏的理由的一种有效策 略。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、 模糊的实际应用数据中，提取隐含在英中的、人们事先不知道的，但 又是潜在有用的信息和知识的过程。商业角度的定义: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
7、、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，是一类深层次的数据分析策略。数据挖掘是一门广 义的交叉学科，它在金融、保险、电信、大型超市等积累有大量数据 的电子商务行业有着广泛的应用，如信用分析、风险分析、欺诈检验、 用户聚类分析、消费者习惯分析等。2电子商务推荐系统电子商务推荐系统(Personalized Recommend Systems for E-Commcrcc)的正式定义由Resnick & Vari an在1997年给出：“电 子商务推荐系统是利用电子商务网站向用户提供产品信息和相关倡 议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购 物过程的系统”
8、O电子商务推荐系统如同“采购助手”,根据用户的兴趣爱好， 向用户提供商品推荐，帮助用户在尽量短的时间找到所需商品，满足 其个性化的需求，从而顺利完成购买过程。电子商务推荐系统不仅能 为用户提供个性化的推荐服务，而且能给电子商务网站带来丰厚的商 业利益。主要体现在以下儿个方面：1) 将电子商务系统的浏览者转变为购买者。已有明确购物目标 的客户也许会通过搜索功能找到自己需要的商品，但对于大多数的冲 浪者和模糊的购买者，很难有耐心逐项查找是否有自己感兴趣的东 四，如果这个时候推荐系统能够有针对性地向其提供合适的商品推 荐，往往可以将一个浏览者变为购买者。2）推动销售。电子商务推荐系统在用户购买过程中
9、向用户推荐 其它商品，用户能够从推荐商品中购买自己确实需要但又没想到的商 品，从而有效提高销售量。比如向购买面包和黄油的顾客推荐牛奶， 从而增加商品的销售，提高销售利润。3）提高用户的满意度和忠诚度。与传统的商务模式相比，电子 商务推荐系统分析用户的购买行为习惯，根据用户需求向用户提供有 价值的商品推荐，用户容易的购买到自己需要的商品，那么用户会再 次访问并推荐给其他人。3电子商务推荐中的数据挖掘技术数据挖掘按照其挖掘任务主要包括关联规则挖掘、聚类分析、 分类和预测、回归发现和序列模式发现等技术。在选择某种数据挖掘 技术之前，首先要将需要解决的理由转化成正确的数据挖掘任务，然 后根据挖掘的任务
10、来选择使用哪些数据挖掘技术。在电子商务推荐 活动中，主要使用下面的一些数据挖掘技术。1）关联规则（Association Rule）:关联规则的挖掘就是为了在 交易数据库中发现两个或两个以上的商品（项）之间的有作用关联或 相关联系，从而描述了一个事物中某些属性同吋出现的规律和模式。 关联规则挖掘的典型例子是购物篮分析或销售历史记录分析，其中的 一个例子就是“90%的客户在购买面包的同时也会购买牛奶”，其作 用就是顾客在购买某些商品的时候有多大可能会同时购买另外一些 东四。显然，这种关联规则反映了顾客的购买习惯。如果商家能够充 分利用这些购买习惯，就可以增加商品的销售，提高销售利润。2) 聚类分
11、析(Clustering)：聚类分析是将数据点集合分成若干 类或簇，使得每个簇中的数据点之间最大程度地相似，而不同簇中的 数据点最大程度地不同，从而发现数据集中有效的、新颖的、可以理 解的数据模式分布。在电子商务数据挖掘应用中包含页聚类和用户聚 类。页聚类是将内容相关的页面归在一个网页组，常用于网上搜索引 擎及提供上网帮助。用户聚类是将具有相似喜好特性的用户归在一 起，从而动态地为用户定制观看的内容或提供浏览倡议。聚类分析可 以方便用户查询和浏览，增强广告的作用，推动网上销售和提高用户 忠诚度等。3) 分类和预测(Classification and Predication):分分类是把数 据
12、集中的数据项映射到某个给定的类上。它反映同类事物共同性质的 特征型知识和不同事物之间的差异型特征知识。它的特点是通过对示 例数据库中的数据进行挖掘，建立了一个分类模型，然后利用分类模 型对数据库中的英它记录进行分类。预测是利用历史数据找岀变化规 律，建立模型，并用此模型来预测未來数据的种类，特征等。尽管预 测可以涉及数据值预测和类标记预测，但通常预测仅限于数据值预 测，并因此不同于分类。4) 演化分析(Evolution Analysis)：演化分析描述事件或对象行为随时间变化的对象的规律或趋势，并以此来建立模型。这种分析 包括时间序列数据分析导读：本论文是一篇关于数据挖掘技术在电子商务推荐中
13、的应用的 优秀论文范文，对正在写有关于电子商务论文的写作者有一定的参考 和指导作用，论文片段：福建电脑，2010(6) : 94-95 吴春琼浅析 数据挖掘技术及其在电子商务中的应用.黑龙江科技信 息,2009(30) :90. 吴恒亮，张巍巍.电子商务推荐系统中推荐技术 的比较研究物流科技,2009 (11): 57-5数据挖掘技术在电子商务推荐 中的应用9. 李娜数据挖掘在电子商务中的、序列或周期模式匹配、基于类似性的数据分析。它的侧重点在于 分析数据间的前后或因果关系。在电子商务数据挖掘中，应用序列模 式分析技术能发现数据库中形如“在某一段时间内，顾客购买商品A, 接着购买商品B,而后购
14、买商品C,即序列A-B-C出现的频度较高” 之类的知识，这将会有助于企业的营销决策。4电了商务推荐工作流程虽然电子商务推荐系统的种类很多，所采用的推荐技术也不尽 相同，但各种推荐系统的工作流程基本相同，主要包括数据采集、数 据预处理、形成推荐和结果显示等环节。电子商务推荐系统的一般工 作流程如下：1) 数据采集：数据采集方式主要有两种类型：显式采集和隐式 采集。显式采集指推荐系统需要用户显式地输入形成推荐所需要的信 息，包括用户信息和对商品的评价等；隐式采集是指推荐系统根据电 子商务系统在用户的购物过程中自动记录的信息形成推荐，比如用户 浏览或者购买了哪些商品，以此来分析用户的行为特性，不需要
15、用户 输入任何信息。2）数据预处理：数据预处理是对数据进行清洗，解决数据中的 缺值、冗余、数据值的不一致等理由，以供数据挖掘阶段使用。数据 预处理有多种策略，包括：数据清理，数据集成，数据变换，数据归 约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘 模式的质量，降低实际挖掘所需要的时间。3）形成推荐：这个阶段进行实际的挖掘操作。选择合适的算法 进行挖掘，从而从海量的数据中得出有效的、新颖的、潜在的、有用 的及最终口J以理解的信息和知识。电子商务数据挖掘常用关联规则、 序列模式、分类和聚类技术。4）结果显示：推荐结果形成后，接下来的任务是如何把推荐结 果呈现给用户。不同的推荐结果显
16、示时机和方式，往往可以起到不同 的推荐效果。5结束语采用数据挖掘技术，将电子商务中丰富的数据源信息进行有效 组织利用，对电子商务的具有巨大的应用价值，但它在运用过程中出 现的理由也亟待人们去解决。相信随着数据挖掘算法的不断发展和成 熟，数据挖掘一定会有更加广阔的应用前景。参考文献：1 刘晓星浅谈数据挖掘在电了商务系统中的应用J信息 与电脑:理论版,2011(1):1602 吴鸭珠数据挖掘技术在电子商务中的应用J.福建电 脑，2010(6) : 94-95.3 吴春琼浅析数据挖掘技术及其在电子商务中的应用J. 黑龙江科技信息,2009(30) :90.4 吴恒亮，张巍巍.电子商务推荐系统中推荐技术的比较研究 J 物流科技,2009(11):57-59.5 李娜数据挖掘在电子商务中的应用研究D.西安:西安电 子科技大学，2009.
