数据挖掘电子商务论文范文-简论基于关联的数据挖掘技术在电子商务中的应用word版下载

《数据挖掘电子商务论文范文-简论基于关联的数据挖掘技术在电子商务中的应用word版下载》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘电子商务论文范文:简论基于关联的数据挖掘技术在电子商务中的应用word版下载导读：本论文是一篇关于基于关联的数据挖掘技术在电子商务中的应用的优秀论文范文,对正在写有关于数据挖掘论文的写作者有一定的参考和指导作用，论文片段：摘要：本文介绍了数据挖掘技术在电子商务中的应用，重点进行数据挖掘的关联分析技术分析。结合数据挖掘的相关技术，以便开发出有效、实用的数据挖掘系统。关键词：数据挖掘；电子商务；关联分析；系统1007-9599(201105-0000-01DataMiningTechnologyApplicationinE-co

2、mmerceBasedonCorrelationAnalysisWuJuhua(XinxiangUniversity,Xinxiang453000,China)Abstract:Thispaperintroducesdataminingapplicationine-coimnerce,focusingondataminingtechniqueofassociationanalysis.Associatedwithdataminingtechniquestodevelopeffective,practicaldataminingsys

3、tem.Keywords:Datamining;E-commerce;Correlationanalysis;System随着计算机技术，网络技术和数据库技术的成熟。商务电了平台为客户提供了便捷，商家耍了解客户的购买情况，需要对大量的购买数据进行分析，主要分析客户的喜好，对产品的要求，以及购物的具体需求，这样数据挖掘技术对具有海量的购买数据进行分析，可以得出有价值的信息，这些信息为企业的决策提供了重要的参考依据。目前很少有做电子商务的企业会考虑到应用数据挖掘服务，随着硬件发展的加快，如今的服务器都可以做数据挖掘的分析，因此，在电子商

4、务平台应用数据挖掘技术是未来发展的一种趋势，这样可以避开企业造成决策上的失误。数据挖掘技术发展了数十年，一直停留在技术的研究，近几年数据挖掘技术被广泛的应用在各个领域，也越來越多的走近我们的生活，现在也具备实现数据挖掘技术在电子商务平台应用的条件，与电子商务销售关系最密切就是关联分析算法，选择这个算法就是为了判断客户与商品之间的关系，从大量的数据分析客户潜在的购物需求。本文结合数据挖掘技术在电子商务中的应用，以数据挖掘的关联分析这个技术角度进行分析，指出各种数据挖掘技术适用的场合，以便开发出切实可用的数据挖掘电子商务系统。一、相关应

5、用技术概念关联规则的概念和模型首先是由R.Agrawal和R.Srikant于1994年提出的。目前对关联规则的研究可分为以下几类：一是按变量的类别。二是按数据的抽象层次。三是按数据的维数。关联规则定义为：假设I是项的集合。给定一个交易数据库，其中每个事务(Transaction)t是I的非空子集，即，每一个交易都与一个唯一的标识符TID(TransactionTD)对应。关联规则在D中的支持度(support)是D中事务同吋包含X、Y的百分比，即概率;置信度(confidence)是包含X的事务中同时又包含Y的百分比，即条件概率。

6、关联规则是有趣的，如果满足最小支持度阈值和最小置信度阈值。这些阈值是根据挖掘需要人为设定。关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项冃组(FrequentItemsets),第二阶段再由这些高频项目组屮产生关联规则(AssociotionRules)。Apriori算法是RakeshAgrawal和RnamakrishnanSrikant在1998年提出的关联规则的经典算法，它利用已知的高频数据项集推导其他高频数项集，是一种宽度优先算法。二、数据挖掘求解理由的步骤关联规则求解理由的步骤为：(一)预处

7、理与采掘任务有关的数据，根据具体理由的要求对数据库进行相应的操作，从而构成规格化的数据库D。数据的格式对挖掘起着至关重要的作用，要合理有效的把原数据格式化成规范化及合理的形式，这样可以让结果更准确。(二)针对D,求出所有满足最小支持度的项集，即大项集，此步是算法的核心。求出的项集数目非常大，要合理的筛选和分析，找出最佳条件。(三)生成满足最小可信度的规则，形成规则集R,解释并输出Ro三、数据挖掘在电子商务的实际应用（一）在进行数据挖掘项冃之前需要对数据进行预处理，数据预处理是知识发现屮很重要的一个环节，占整个项目的60%的工作，高效

8、的算法往往依赖于高质量的或者特殊要求的数据，数据预处理主要包括三个步骤：数据清理、数据集成和数据变换。数据清理是清除一些冗余数据，消除噪声数据，把不符合耍求的数据去掉。数据集成需要把多种不同的数据源集中在一起，形成统一要求和规则的格式