资源描述：
《数据挖掘在电子商务中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、数据挖掘在电子商务中的应用研究摘要：本文主要介绍数据挖掘在电子商务中的应用，文章从数据挖掘的定义、数据挖掘的常用方法出发，阐述了数据挖掘在海量信息中提取有效信息的作用，特别是数据挖掘与电子商务的结合可以给人们生活带来便利，给企业带来新的利润空间以及为企业提供决策支持。常用的数据挖掘技术主要包括支持向量机、朴素贝叶斯、聚类、决策树、神经网络和关联规则等，最后介绍了数据挖掘在电子商务的4个主要应用方面，说明了数据挖掘存在的必要性。关键词：数据挖掘；电子商务；决策支持theapplicationsstudyofdataminingine-commer
2、celiuqifei,huhongtao(xi’anuniversityofpetroleum,schoolofcomputerscience,xi’an710065,china)abstract:thispaperintroducesdataminingine-commerceapplications,thearticlethedefinitionofdatamining,dataminingcommonlyusedmethodofdeparture,describedtheroleofdataminingtoextractusefulinf
3、ormationinthemassofinformation,especiallydataminingande-commercecombinationcanbringconveniencetopeople’slives,tobringnewbusinessprofitmargins,andprovidedecisionsupportfortheenterprise.commonlyuseddataminingtechniquesincludingsupportvectormachine,naivebayes,clustering,decisio
4、ntrees,neuralnetworksandassociationrules,etc.finally,dataminingine-commerce,thefourmajorapplications,indicatingthepresenceofdataminingnecessity.keywords:datamining;e-commerce;decisionsupport一、引言21世纪是电子商务的时代、电子商务以其低成本、便利、高回报等优点逐渐流行，被全球人们所接受。电子商务给人们生活带来了越来越多的便利。各行各行都在抓住电子商务这个潮
5、流为企业创造更多的商机。web数据挖掘是数据挖掘的一个重要分支，是随着数据库技术、人工智能技术和网络技术的发展而提出的。尤其是随着电子商务的不断运作，信息总量不断增加，更迫切需要有效的信息分析工具。在解决这些海量数据提取信息的问题过程中，科学家们于1989年提出了知识发现及数据挖掘。数据挖掘的核心技术历经了十几年的发展，已经取得了很大的成就，其中包括数理统计、人工智能、机器学习、神经网络、模式识别、数据库技术、知识获取和信息检索等。二、数据挖掘简介（一）数据挖掘定义数据挖掘是近年出现的一种全新信息技术，同时也是基于计算机科学与技术，尤其是网络技
6、术的发展及普遍应用而提出的一个重要课题。数据挖掘（datemining）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，提取隐含在其中的、人们事先不知道但又是潜在有用的并最终可理解的信息和知识的非平凡过程[1,2]。数据挖掘的知识表示为概念(concepts)，规则(rules)、规律(regularities)、模式(patterns)等形式。使用数据挖掘的优势是它能帮助企业从海量的数据库中挖掘出对企业有用的信息，对企业的决策提供支持，帮助企业取得市场竞争的优势。（二）数据挖掘流程图1数据挖掘过程数据挖掘整个过程分为定义业务问题
7、、数据理解、数据准备、数据挖掘、模型评估。这五个步骤是数据挖掘所必须的过程。1.定义业务问题。数据挖掘是从海量的数据中挖掘出对使用者有用的数据信息，它在数据挖掘中是第一个步骤，它也是比较重要的阶段。数据挖掘在电子商务中的应用例如，要做电信客户的流失分析，也就是找到哪些客户即将流失哪些不会流失，所以应该明确其任务主要是构建一个分类模型后对客户分类。2.数据理解。数据理解是对数据挖掘的业务问题的一个业务数据的抽象，是现实模型世界在计算机上的数据映像。数据理解包括明确模型的目标变量和输入变量。3.数据准备。数据准备是数据挖掘的必要环节，也是挖掘结果是
8、否科学可用的关键一环。因为收集阶段得到的数据有些可能不准确。表现为数据可能存在不一致性，或有“脏”数据或者数据有缺失等，所以首先需要清洗数据；再根据业
