本文關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)及其在電子商務(wù)中的應(yīng)用

  更多相關(guān)文章： 數(shù)據(jù)挖掘 電子商務(wù) 應(yīng)用

【摘要】： 在大規(guī)模數(shù)據(jù)集快速增長(zhǎng)的今天,數(shù)據(jù)挖掘已成為目前信息領(lǐng)域和數(shù)據(jù)庫(kù)技術(shù)的前沿研究課題,它使數(shù)據(jù)處理技術(shù)進(jìn)入了一個(gè)更高級(jí)的階段,被公認(rèn)為是最具發(fā)展前景的未來(lái)信息處理骨干技術(shù)之一。作為知識(shí)發(fā)現(xiàn)過(guò)程,數(shù)據(jù)挖掘的宗旨在于從原始數(shù)據(jù)中得到“被證實(shí)的知識(shí)”。 本文首先對(duì)數(shù)據(jù)挖掘技術(shù)的產(chǎn)生和發(fā)展做了介紹,對(duì)目前數(shù)據(jù)挖掘技術(shù)的現(xiàn)狀、存在的問(wèn)題及挑戰(zhàn)做了詳細(xì)的分析,其次對(duì)數(shù)據(jù)挖掘技術(shù)的發(fā)展做了展望。面對(duì)電子商務(wù)的飛速發(fā)展,文中還對(duì)電子商務(wù)做了介紹并分析了電子商務(wù)和數(shù)據(jù)挖掘技術(shù)之間的關(guān)系。 數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理(Customer Relations Management,CMR)中的應(yīng)用是近年來(lái)研究的焦點(diǎn)。本文研究了數(shù)據(jù)挖掘技術(shù)作為在大量數(shù)據(jù)中挖掘出有用知識(shí)的強(qiáng)有力工具在CMR中的高效應(yīng)用:它不僅能夠從與客戶有關(guān)的大量數(shù)據(jù)中挖掘出對(duì)企業(yè)有價(jià)值的知識(shí)和規(guī)則,還能使企業(yè)更好地了解客戶,為企業(yè)以后的發(fā)展決策提供信息支持。本文同時(shí)分析了數(shù)據(jù)挖掘技術(shù)在CRM的主要流程和應(yīng)用。 電子商務(wù)推薦系統(tǒng)作為提高企業(yè)服務(wù)水平、實(shí)現(xiàn)企業(yè)效益最大化,滿足客戶個(gè)性化要求的優(yōu)秀工具,越來(lái)越被人們所推崇。本文針對(duì)電子商務(wù)推薦系統(tǒng)做了深入的研究,主要介紹了電子商務(wù)推薦系統(tǒng)中使用的常用數(shù)據(jù)挖掘技術(shù),對(duì)關(guān)聯(lián)規(guī)則算法和聚類算法的原理做了說(shuō)明,并對(duì)關(guān)聯(lián)規(guī)則經(jīng)典算法Apriori算法做了分析運(yùn)算。重點(diǎn)對(duì)聚類經(jīng)典算法K-平均算法做了詳細(xì)的分析和計(jì)算,并提出了一種改進(jìn)算法。 基于提出的改進(jìn)K-平均算法,本文繼而提出了一套電子商務(wù)推薦系統(tǒng)框架結(jié)構(gòu),并利用新算法對(duì)某一電子商務(wù)網(wǎng)站中的產(chǎn)品銷售及評(píng)價(jià)數(shù)據(jù)進(jìn)行了采集和預(yù)處理,模擬進(jìn)行了聚類算法實(shí)驗(yàn),并給出了實(shí)例分析,驗(yàn)證了算法的有效性,最后根據(jù)實(shí)驗(yàn)分析了新算法的優(yōu)點(diǎn)和缺點(diǎn)。 最后,本文對(duì)作者所完成的工作做了歸納和總結(jié),提出了下一步的研究方向。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 電子商務(wù) 應(yīng)用
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：TP311.13;F713.36
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 1. 緒論10-15
• 1.1 數(shù)據(jù)挖掘技術(shù)概論10-11
• 1.2 數(shù)據(jù)挖掘技術(shù)的現(xiàn)狀及發(fā)展趨勢(shì)11-12
• 1.3 數(shù)據(jù)挖掘技術(shù)在應(yīng)用中存在的問(wèn)題和挑戰(zhàn)12-13
• 1.4 本文研究?jī)?nèi)容13-15
• 2. 電子商務(wù)與數(shù)據(jù)挖掘技術(shù)15-21
• 2.1 電子商務(wù)概述15-16
• 2.2 電子商務(wù)的發(fā)展和應(yīng)用16
• 2.3 數(shù)據(jù)挖掘技術(shù)在 Web中的發(fā)展及應(yīng)用16-19
• 2.4 電子商務(wù)中的數(shù)據(jù)挖掘技術(shù)19-21
• 3. Web數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用21-41
• 3.1 數(shù)據(jù)挖掘在CRM中的應(yīng)用21-26
• 3.1.1 客戶關(guān)系管理的概念21-22
• 3.1.2 CRM的特征22
• 3.1.3 數(shù)據(jù)挖掘技術(shù)在 CRM中的主要流程22-23
• 3.1.4 數(shù)據(jù)挖掘技術(shù)在 CRM中的主要應(yīng)用23-26
• 3.2 電子商務(wù)推薦系統(tǒng)26-41
• 3.2.1 電子商務(wù)推薦系統(tǒng)作用27-28
• 3.2.2 電子商務(wù)推薦系統(tǒng)使用的主要技術(shù)28-29
• 3.2.3 基于關(guān)聯(lián)規(guī)則的推薦算法29-32
• 3.2.4 基于聚類的協(xié)同過(guò)濾推薦算法32-41
• 3.2.4.1 K-平均算法32-35
• 3.2.4.2 改進(jìn)的K-平均聚類算法35-41
• 4. 電子商務(wù)推薦系統(tǒng)的實(shí)現(xiàn)41-50
• 4.1 電子商務(wù)推薦系統(tǒng)的框架設(shè)計(jì)41-42
• 4.2 數(shù)據(jù)挖掘算法應(yīng)用試驗(yàn)42-50
• 4.2.1 數(shù)據(jù)集42-44
• 4.2.2 實(shí)驗(yàn)結(jié)果及分析44-48
• 4.2.3 算法的性能分析48-50
• 5. 結(jié)論與展望50-52
• 4.1 結(jié)論50
• 4.2 展望50-52
• 參考文獻(xiàn)52-54
• 附錄54-55
• 致謝55-56
• 攻讀學(xué)位期間參加的科研項(xiàng)目和成果56

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 楊波;;淺談數(shù)據(jù)挖掘技術(shù)應(yīng)用[J];電腦知識(shí)與技術(shù);2010年24期

2 張曉艷;張?zhí)K;;淺析數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用[J];電腦知識(shí)與技術(shù);2010年35期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李冰巖;數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用與實(shí)現(xiàn)[D];成都理工大學(xué);2011年

，

本文編號(hào)：999208