数据挖掘电子商务论文范文-谈电子商务中的数据挖掘技术的应用word版下载

《数据挖掘电子商务论文范文-谈电子商务中的数据挖掘技术的应用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:谈电子商务中的数据挖掘技术的应用word版下载导读：本论文是一篇关于电子商务中的数据挖掘技术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：本文结合数据挖掘技术在电子商务中的应用，从挖掘任务和数据信息两个角度进行分析，指出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系统。关键词：电子商务；数据挖掘；应用1007-9599(2011)08-0000-01TheApplicationoftheDataMiningTechnologyinE-commerceYan

2、gLiu(SoftwareInstituteofHunanVocationalCollegeofScieneeandTechnology,Changsha410118,China)Abstract:ThispaperunifiesthedataminingtechnologyintheE-commerceapplication,fromminingtaskanddataanalysis,pointsoutthatthetwoaspectsofdataminingtechnologyinordertodeveloppracticalavai

3、labledataminingsystem.Keywords:E-coininerce;Datamining;Application一、引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。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。二、数据挖掘的概念与应用数据挖掘是通过挖掘数据仓库中存储的大量数据，从中发现有作用的新的关联模式和趋势的过程。从商业的角度定义，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屮的大量业

4、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。由于数据挖掘能带来显著的经济效益，它在电子商务中应用也越来越广泛。在金融领域，管理者可以通过对客户偿还能力以及信用的分析,进行分类，评出等级。从而可减少放贷的麻木性，提高资金的使用效率。同时还可发现在偿还中起决定作用的主导因素，从而制定和应的金融政策。更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动。在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋势，改善服务质量，取得更好的顾客保持力和满意程度，提高货品销量比率，设计更好的货品运输

5、与分销策略，减少商业成本。三、选择数据挖掘技术的两个重要依据数据挖掘使用的技术很多，其中主要包括统计策略、机器学习策略、和神经网络策略和数据库策略。本文主要从挖掘任务和可获得的数据两个角度来讨论对数据挖掘技术的选择。数据挖掘的任务是从数据中发现模式。在选择使用某种数据挖掘技术之前，首先耍将待解决的商业理由转化成正确的数据挖掘的任务，然后根据挖掘的任务来选择具体使用某一种或几种挖掘技术。下面具体的以概念描述和聚集发现为例，分析挖掘任务应使用哪些挖掘技术。概念描述是描述式数据挖掘的最基木形式。它以简洁汇总的形式描述给定的任务相关数据集，提供数

6、据的有趣的一般特性。通常，用户指定类的数据通过数据库查询收集。例如，为研究上一年销售增加10%的软件产品的特征，可以通过执行一个SQL查询收集关于这些产品的数据。概念的特征化有两种一般策略：基于数据立方体OMP的策略和面向属性归纳的策略。二者都是基于属性或维的概化策略•总之，进行概念描述挖掘时一般:采用面向数据库的策略，另外还可以采用机器学习策略的基于范例学习技术。聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显，而同一个群之间的数据尽量相似。聚集在电了商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群，并

7、且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法(如特征和分类等)的预处理步骤，这些算法再在生成的簇上进行处理。与分类不同，在开始聚集之前你不知道要把数据分成几组,也不知道怎么分。因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的作用。很多情况下一次聚集你得到的分群对你的业务来说可能并不好，这时你需要删除或增加变量以影响分群的方式，经过几次反复之后才能最终得到一个理想的结果。对吋以挖掘的数据进行分析，理解可以获得的数据的信息：内容、字段类型、记录之间的关系。可能影响数据挖掘技术选择的数据性质主要有：(1)种类字段：关联

8、分析和连接分析只适用于种类字段。决策树也可以很容易的用于种类字段。(2)数值字段：神经元网络将所有输入转化到0-1之间。MBR和聚集检测通过距离函数来处理数值字段。决策树可以通过splitte