本文關(guān)鍵詞：在電子商務(wù)中應(yīng)用Web數(shù)據(jù)挖掘的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)的應(yīng)用使數(shù)據(jù)增長(zhǎng)速度驚人,智能手機(jī)、平板電腦、云空間、物聯(lián)網(wǎng)的推進(jìn),促使數(shù)據(jù)膨脹問(wèn)題更加嚴(yán)峻。經(jīng)濟(jì)全球化需企業(yè)家敢于表現(xiàn),吸引客戶注意力,服務(wù)好客戶,與客戶達(dá)到互利共贏。而這表現(xiàn)的平臺(tái)便是利用互聯(lián)網(wǎng)的電子商務(wù)網(wǎng)站�？墒瞧脚_(tái)里依舊有歷史遺留問(wèn)題,即“數(shù)據(jù)億萬(wàn)萬(wàn),價(jià)值找不到”。 數(shù)據(jù)如同改革開(kāi)放,也需要開(kāi)放,即流通。流通應(yīng)該順應(yīng)時(shí)代與技術(shù)發(fā)展要求,因?yàn)榫芙^數(shù)據(jù)意味著拒絕財(cái)富。數(shù)據(jù)“4V”時(shí)代已經(jīng)來(lái)臨,即數(shù)據(jù)的“大量化(Volume)、多樣化(Vaviety)、快速化(Velocity)、價(jià)值化(Value)"、門戶站點(diǎn)商情廣告、網(wǎng)上銀行支付結(jié)算、搜索引擎社交網(wǎng)絡(luò)等多種類型的電子商務(wù)以數(shù)據(jù)的形式正改變著人們的生活。對(duì)于激增的存儲(chǔ)數(shù)據(jù)量,劇增的數(shù)據(jù)復(fù)雜度,數(shù)據(jù)的分析研究者們突破重重困境,找到行之可行的方法,將數(shù)據(jù)的價(jià)值挖掘出來(lái),以幫助數(shù)據(jù)擁有者能從大量的數(shù)據(jù)中尋找某些規(guī)律性以輔助決策。這個(gè)方法便是數(shù)據(jù)挖掘技術(shù)。電子商務(wù)是未來(lái)經(jīng)濟(jì)發(fā)動(dòng)機(jī),在電子商務(wù)中運(yùn)用數(shù)據(jù)挖掘推薦頁(yè)面是企業(yè)向世界全面展示形象和產(chǎn)品、尋找合作伙伴和擴(kuò)大銷售規(guī)模的最佳途徑。 本文通過(guò)數(shù)據(jù)挖掘技術(shù)在新興的電子商務(wù)推薦系統(tǒng)領(lǐng)域的應(yīng)用進(jìn)行了初步研究。本人主要完成如下工作：一是系統(tǒng)的論述了目前國(guó)內(nèi)外數(shù)據(jù)挖掘、電子商務(wù)及推薦系統(tǒng)研究的現(xiàn)狀。二是簡(jiǎn)述了在電子商務(wù)企業(yè)中應(yīng)用Web數(shù)據(jù)挖掘技術(shù)。三是闡述了在推薦系統(tǒng)中運(yùn)用的推薦算法與技術(shù)。四是改進(jìn)推薦Apriori算法,設(shè)計(jì)了一個(gè)基于Web數(shù)據(jù)挖掘的電子商務(wù)推薦系統(tǒng)。推薦系統(tǒng)是本論文的重點(diǎn)。在推薦系統(tǒng)設(shè)計(jì)之前,先是對(duì)推薦系統(tǒng)進(jìn)行可行性分析,然后是分三大模塊對(duì)推薦系統(tǒng)進(jìn)行設(shè)計(jì)。這三大模塊分別是數(shù)據(jù)訪問(wèn)模塊、系統(tǒng)架構(gòu)應(yīng)用模塊和交互用戶模塊。接下來(lái)對(duì)這三大模塊進(jìn)行細(xì)分,詳細(xì)設(shè)計(jì)了組成數(shù)據(jù)訪問(wèn)模塊的數(shù)據(jù)收集模塊和數(shù)據(jù)預(yù)處理模塊,組成系統(tǒng)架構(gòu)應(yīng)用模塊的OLAP系統(tǒng)架構(gòu)模塊和基于B/S服務(wù)的數(shù)據(jù)挖掘系統(tǒng)模塊,及組成交互用戶模塊的在線推薦模塊與模式應(yīng)用模塊。在系統(tǒng)架構(gòu)應(yīng)用模塊中運(yùn)用了改進(jìn)后的Apriori算法,實(shí)現(xiàn)關(guān)聯(lián)規(guī)則的推理,確定關(guān)聯(lián)頁(yè)面,形成推薦集。在用戶交互模塊中顯示運(yùn)行算法后的運(yùn)行界面,展示推薦系統(tǒng)的個(gè)性化服務(wù)。 雖然在電子商務(wù)推薦系統(tǒng)中運(yùn)用數(shù)據(jù)挖掘技術(shù)能夠?yàn)樯碳規(guī)?lái)大量的經(jīng)濟(jì)價(jià)值和利益,但它也是一把雙刃劍。商家在收集大量的數(shù)據(jù)的同時(shí),又面臨著數(shù)據(jù)處理、使用、保管和安全等方面的新挑戰(zhàn)。如何有效保護(hù)消費(fèi)者個(gè)人的隱私安全等,如何真正利用數(shù)據(jù)挖掘提升企業(yè)的價(jià)值,如何在移動(dòng)互聯(lián)網(wǎng)時(shí)代讓更多的數(shù)據(jù)以非結(jié)構(gòu)化的形式出現(xiàn),數(shù)據(jù)挖掘發(fā)展還任重而道遠(yuǎn)。
【關(guān)鍵詞】：Web數(shù)據(jù)挖掘 電子商務(wù) Apriori算法 推薦系統(tǒng)
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP311.13
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-11
• 插圖索引11-12
• 附表索引12-13
• 第1章 緒論13-21
• 1.1 論文研究背景和意義13-14
• 1.2 國(guó)內(nèi)外研究綜述14-19
• 1.2.1 數(shù)據(jù)挖掘研究14-16
• 1.2.2 電子商務(wù)研究16-18
• 1.2.3 推薦系統(tǒng)研究18-19
• 1.3 論文研究目標(biāo)19-20
• 1.4 論文組織結(jié)構(gòu)20-21
• 第2章 數(shù)據(jù)挖掘相關(guān)內(nèi)容21-42
• 2.1 數(shù)據(jù)挖掘的定義21-23
• 2.1.1 數(shù)據(jù)挖掘的內(nèi)涵21-22
• 2.1.2 數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)挖掘22-23
• 2.1.3 統(tǒng)計(jì)方法中的數(shù)據(jù)挖掘23
• 2.2 數(shù)據(jù)挖掘的技術(shù)23-29
• 2.2.1 數(shù)據(jù)挖掘的技術(shù)方法24-26
• 2.2.2 數(shù)據(jù)挖掘的工具26-27
• 2.2.3 數(shù)據(jù)挖掘七大過(guò)程27-29
• 2.3 數(shù)據(jù)挖掘的應(yīng)用及挑戰(zhàn)29-33
• 2.3.1 數(shù)據(jù)挖掘的應(yīng)用29-32
• 2.3.2 數(shù)據(jù)挖掘的挑戰(zhàn)32-33
• 2.4 Web數(shù)據(jù)挖掘的相關(guān)內(nèi)容33-39
• 2.4.1 Web數(shù)據(jù)挖掘的概念33-34
• 2.4.2 Web數(shù)據(jù)挖掘的作用34-35
• 2.4.3 Web數(shù)據(jù)挖掘的特點(diǎn)35-36
• 2.4.4 Web數(shù)據(jù)挖掘的分類36-38
• 2.4.5 Web數(shù)據(jù)挖掘流程38-39
• 2.4.6 Web數(shù)據(jù)挖掘用途39
• 2.5 XML與Web數(shù)據(jù)挖掘的結(jié)合39-41
• 2.6 小結(jié)41-42
• 第3章 電子商務(wù)中的Web數(shù)據(jù)挖掘42-54
• 3.1 電子商務(wù)相關(guān)概念42-45
• 3.1.1 電子商務(wù)的兩個(gè)層面42
• 3.1.2 電子商務(wù)的模式42-44
• 3.1.3 電子商務(wù)活動(dòng)的特點(diǎn)44
• 3.1.4 電子商務(wù)七大優(yōu)勢(shì)44-45
• 3.2 EC中進(jìn)行Web數(shù)據(jù)挖掘45-49
• 3.2.1 EC中的數(shù)據(jù)源46-47
• 3.2.2 EC的挖掘過(guò)程47-49
• 3.3 Web挖掘在EC中的應(yīng)用49-53
• 3.3.1 提升客戶價(jià)值50-52
• 3.3.2 改變營(yíng)銷機(jī)制52-53
• 3.4 小結(jié)53-54
• 第4章 使用Web數(shù)挖的推薦系統(tǒng)研究54-59
• 4.1 電子商務(wù)中的推薦系統(tǒng)54-56
• 4.1.1 前臺(tái)輸出系統(tǒng)55
• 4.1.2 后臺(tái)輸入系統(tǒng)55-56
• 4.1.3 中間處理系統(tǒng)56
• 4.2 常見(jiàn)推薦算法56-58
• 4.3 小結(jié)58-59
• 第5章 Web挖掘推薦系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)59-83
• 5.1 推薦系統(tǒng)的概述59-60
• 5.2 訪問(wèn)數(shù)據(jù)模塊60-63
• 5.2.1 數(shù)據(jù)收集模塊61
• 5.2.2 推薦系統(tǒng)的數(shù)據(jù)預(yù)處理61-63
• 5.3 系統(tǒng)架構(gòu)應(yīng)用模塊63-66
• 5.3.1 基于OLAP的系統(tǒng)結(jié)構(gòu)64-65
• 5.3.2 基于B/S結(jié)構(gòu)應(yīng)用框架65-66
• 5.4 系統(tǒng)所用算法66-78
• 5.4.1 Apriori算法66-69
• 5.4.2 Apriori算法實(shí)現(xiàn)69-71
• 5.4.3 Apriori算法改進(jìn)71-72
• 5.4.4 改進(jìn)的Apriori算法實(shí)現(xiàn)72-73
• 5.4.5 前后兩算法比較分析73-74
• 5.4.6 改進(jìn)算法在推薦系統(tǒng)中的運(yùn)用74-78
• 5.5 交互用戶模塊78-82
• 5.5.1 在線推薦模塊79-80
• 5.5.2 模式應(yīng)用模塊80-82
• 5.6 小結(jié)82-83
• 結(jié)論83-86
• 參考文獻(xiàn)86-90
• 附錄A (攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄)90-91
• 致謝91

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 胡明;唐培麗;許建潮;;基于OLAP的多維關(guān)聯(lián)規(guī)則挖掘研究[J];東北師大學(xué)報(bào)(自然科學(xué)版);2007年04期

2 王穎楠,滕飛,解莉,孫俏;Web挖掘技術(shù)[J];吉林工學(xué)院學(xué)報(bào)(自然科學(xué)版);2002年01期

3 陳寧;周龍?bào)J;;數(shù)據(jù)采掘在Internet中的應(yīng)用[J];計(jì)算機(jī)科學(xué);1999年07期

4 劉明吉;王秀峰;黃亞樓;;數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理[J];計(jì)算機(jī)科學(xué);2000年04期

5 許向陽(yáng),洪娟;DM_OLAP元數(shù)據(jù)管理[J];計(jì)算機(jī)工程;2004年12期

6 方安儒;葉強(qiáng);魯奇;李一軍;;基于數(shù)據(jù)挖掘的客戶細(xì)分框架模型[J];計(jì)算機(jī)工程;2009年19期

7 謝琦;張振興;;基于Apriori算法和OLAP的關(guān)聯(lián)規(guī)則挖掘模型設(shè)計(jì)[J];計(jì)算機(jī)應(yīng)用;2007年S1期

8 李明華;劉全;劉忠;郗連霞;;數(shù)據(jù)挖掘中聚類算法的新發(fā)展[J];計(jì)算機(jī)應(yīng)用研究;2008年01期

9 李廣水;鄭滔;宋丁全;;面向服務(wù)數(shù)據(jù)挖掘的關(guān)鍵技術(shù)在.NET下的實(shí)現(xiàn)研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年20期

10 薛潔;劉希玉;;數(shù)據(jù)挖掘技術(shù)與網(wǎng)上購(gòu)物推薦系統(tǒng)[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2011年03期

  本文關(guān)鍵詞：在電子商務(wù)中應(yīng)用Web數(shù)據(jù)挖掘的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：359586