關(guān)于數據挖掘技術(shù)的電子商務(wù)推薦系統研究論文

　　1.數據挖掘技術(shù)

　　1.1數據挖掘概述

　　所謂數據挖掘就是指在眾多數據中抽取有用資料的過(guò)程，這些有用的資料是在海量數據中經(jīng)過(guò)篩選、過(guò)濾、清洗、提取出來(lái)的，能體現客戶(hù)潛在需求。數據挖掘與傳統的數據分析相比，數據挖掘具有預知性、有效性和實(shí)用性等特點(diǎn)。傳統的數據分析則是定向分析、費用高、不能及時(shí)有效的提供相關(guān)數據，具有一定的局限性。而數據挖掘通過(guò)利用多種分析工具,來(lái)對大量的數據進(jìn)行抽取分析,發(fā)現數據中蘊含的關(guān)系或規則，對商業(yè)決策具有重要支持性作用。

　　1.2數據挖掘的功能

　　數據挖掘往往有兩類(lèi)任務(wù):一是描述，二是預測。對于描述性任務(wù)幾乎都是利用數據挖掘技術(shù)對數據刻畫(huà)其普遍特性，而預測性任務(wù)則是根據現有的數據進(jìn)行分析預測。當前，數據挖掘功能有以下幾類(lèi)：

　　1.2.1利用概念描述發(fā)現廣義知識

　　通過(guò)對某類(lèi)對象進(jìn)行細致描述，從而對該數據進(jìn)行概括、提煉。而概念描述又分為兩類(lèi)，一種是描述同類(lèi)對象的共性,即為特征性描述。另一種是描述異類(lèi)對象的異性，即為區別性描述。

　　1.2.2利用關(guān)聯(lián)分析發(fā)現關(guān)聯(lián)知識

　　利用不同變量的取值，發(fā)現他們存在某種關(guān)系,而這往往是屬于被發(fā)現的重要資料。這種關(guān)聯(lián)往往分成三類(lèi)，即簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián),等等。

　　1.2.3利用分類(lèi)和聚類(lèi)方法發(fā)現分類(lèi)知識

　　將數據對象分類(lèi)或者將數據對象分成多個(gè)簇，來(lái)發(fā)現其同類(lèi)對象的共性和異類(lèi)對象的異性相關(guān)知識。

　　1.2.4利用預測方法獲取預測型知識

　　利用過(guò)去或者當前的與時(shí)間有關(guān)的數據對未來(lái)的相關(guān)數據進(jìn)行推測。

　　1.2.5采用偏差檢測來(lái)獲取偏差型知識

　　利用數據庫中的異常數據進(jìn)行分析，解釋出現異�，F象的原因。

　　1.3數據挖掘過(guò)程

　　從查找數據開(kāi)始，通過(guò)一定的算法或模型發(fā)現數據間的關(guān)聯(lián)性，并提取出新的知識或規律,從而得出新的結論。這一流程包括以下幾個(gè)步驟:首先，提出陳述的問(wèn)題和要闡明的假設,從中發(fā)現問(wèn)題,提出假設，利用相關(guān)數據去發(fā)現，去解釋其原因，從中得到完善。其次是收集數據。有關(guān)數據的收集分為兩類(lèi):一類(lèi)是可控數據，另一類(lèi)是不可控數據。采用不同的收集方法收集出來(lái)的結果也是不同的。因此,在收集過(guò)程中要知道數據收集是如何對其理論分布產(chǎn)生影響的，這樣才能在應用中順利進(jìn)行。再次是數據的預處理。通過(guò)完成異常點(diǎn)的檢測和比例縮放、編碼和選擇特征等常見(jiàn)任務(wù)，來(lái)對數據挖掘過(guò)程中諸多預處理活動(dòng)進(jìn)行說(shuō)明性例證。之后是對模型進(jìn)行評估。先建立一些新模型，并進(jìn)行評估選出最佳模型，數據挖掘技術(shù)利用該模型對數據進(jìn)行分析。最后解釋模型得出結論。通過(guò)對模型的解釋使數據挖掘所得出來(lái)的結果更加容易理解，簡(jiǎn)單明了，為決策者提供決策支持。

　　2.數據挖掘與電子商務(wù)

　　2.1電子商務(wù)發(fā)展中存在的問(wèn)題

　　大量網(wǎng)絡(luò )商品的涌現，不論是買(mǎi)方或是賣(mài)方都會(huì )面臨著(zhù)諸多問(wèn)題。數據挖掘技術(shù)的出現為電子商務(wù)活動(dòng)提供了強大的數據分析和技術(shù)支持。數據挖掘是面向應用的，電子商務(wù)的發(fā)展使得越來(lái)越多的企業(yè)開(kāi)始網(wǎng)上交易，電子商務(wù)后臺數據庫中客戶(hù)相關(guān)的數據和大量的交易記錄以及跟蹤用戶(hù)在Web上的瀏覽行為等數據資源中所蘊含著(zhù)大量的寶貴信息，有待于充分挖掘和利用。

　　2.2數據挖掘在電子商務(wù)應用發(fā)展現狀

　　在電子商務(wù)活動(dòng)中，采用數據挖掘技術(shù)在國內尚屬于一個(gè)初步發(fā)展階段。雖然國內在這一相關(guān)領(lǐng)域的研究也取得了很大的進(jìn)展，但仍存在一些不足之處：其一,實(shí)時(shí)性與推薦質(zhì)量不平衡。其二，電子商務(wù)推薦體系結構不完善。其三，不能充分地對推薦結果進(jìn)行解釋。其四，不能全面關(guān)注訪(fǎng)問(wèn)者，只是片面地對銷(xiāo)售商品進(jìn)行排比。國外利用數據挖掘技術(shù)來(lái)提高電子商務(wù)企業(yè)的經(jīng)營(yíng)效益已取得顯著(zhù)的成效。據亞馬遜前科學(xué)家GregLimlen介紹，亞馬遜至少有35%的銷(xiāo)售額來(lái)自于推薦系統。

　　2.3數據挖掘對電子商務(wù)的影響

　　通過(guò)電子商務(wù)與數據挖掘技術(shù)進(jìn)行優(yōu)化配置，建立合理的電子商務(wù)推薦系統，采用有效的組合推薦,將所有的推薦模型進(jìn)行統一管理，同時(shí)又能具體情況具體分析,從而對客戶(hù)提供精準推薦，讓消費者在較短的時(shí)間內獲得較多的“有用”信息，這樣既能增加用戶(hù)黏性，又讓商家提升銷(xiāo)量。

　　3.基于數據挖掘的電子商務(wù)推薦系統

　　3.1數據挖掘與推薦系統

　　推薦系統與數據挖掘在電子商務(wù)平臺中兩者相輔相成,聯(lián)系緊密^電子商務(wù)發(fā)展過(guò)程中積累了大量的商業(yè)數據,這些數據蘊含了大量的知識，需要數據挖掘技術(shù)進(jìn)行提取分析。而推薦系統根據數據挖掘得來(lái)的知識，對消費者的興趣和需求進(jìn)行及時(shí)的分析，支持商業(yè)決策。

　　3.2電子商務(wù)推薦系統設計

　　按照系統論的觀(guān)點(diǎn)，可將電子商務(wù)推薦系統分成四個(gè)組成部分:信息輸人、信息處理、模式發(fā)現與用戶(hù)反饋。首先,信息輸人主要來(lái)源于數據倉庫。其次,信息處理是基于各種不同的算法模型對數據倉庫里的數據進(jìn)行分析和處理，挖掘出潛在的規律或模式,即模式發(fā)現。最后，用戶(hù)客觀(guān)公正的反饋是評價(jià)推薦系統準確性與可信性的主要依據�；�于數據挖掘的電子商務(wù)推薦系統設計邏輯模型如圖丨所示。

　　4.結語(yǔ)

　　隨著(zhù)網(wǎng)絡(luò )科技的步伐不斷加快，人們對電子商務(wù)的需求也不斷加大，收集大量的用戶(hù)數據進(jìn)行科學(xué)分析，挖掘客戶(hù)潛在需求，進(jìn)行個(gè)性化的推薦�；�于數據挖掘技術(shù)的電子商務(wù)推薦系統搭建起客戶(hù)與商家的橋梁，其必然推動(dòng)電子商務(wù)的進(jìn)一步發(fā)展。

【數據挖掘技術(shù)的電子商務(wù)系統研究論文】相關(guān)文章：

數據挖掘實(shí)習報告10-05

電子商務(wù)的論文05-29

電子商務(wù)論文06-14

電子商務(wù)論文08-30

關(guān)于電子商務(wù)的論文12-18

電子商務(wù)與物流論文11-08

學(xué)習電子商務(wù)論文11-06

電子商務(wù)安全論文05-15

(必備)電子商務(wù)的論文07-24

跨境電子商務(wù)論文08-27