資源描述：
《數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用研究[]電子商務(wù)在現(xiàn)代商務(wù)活動(dòng)中的正變得日趨重要，而商務(wù)數(shù)據(jù)的處理則凸顯出數(shù)據(jù)挖掘的重要。本文討論了數(shù)據(jù)挖掘的主要方法，具體闡述了數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的作用及應(yīng)用。[關(guān)鍵詞]數(shù)據(jù)挖掘電子商務(wù)數(shù)據(jù)庫(kù)一、概述數(shù)據(jù)挖掘（datamining）起源于數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（knoerce）是以指利用電子數(shù)據(jù)交換（electronicdatainterchange，edi）、電子郵件（e-mail）、電子資金轉(zhuǎn)賬（electronicfundstransfer，eft）和inter等主要技術(shù)在個(gè)人、企業(yè)和國(guó)家之間進(jìn)行無(wú)紙化的信息交換，包括商品信息及其訂購(gòu)信
2、息、資金信息及其支付信息、安全及其認(rèn)證信息等，即以現(xiàn)代信息技術(shù)為手段，以經(jīng)濟(jì)效益為中心的現(xiàn)代化商業(yè)運(yùn)轉(zhuǎn)模式。其最終目標(biāo)是實(shí)現(xiàn)商務(wù)活動(dòng)的X絡(luò)化、自動(dòng)化與智能化。隨著inter的迅速發(fā)展，電子商務(wù)的應(yīng)用不斷深入。.133229.在電子商務(wù)應(yīng)用系統(tǒng)中，相關(guān)的用戶數(shù)據(jù)日益增多，數(shù)據(jù)挖掘技術(shù)具有從大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)特定規(guī)律的能力。商業(yè)電子化的趨勢(shì)不僅為客戶提供了便利的交易方式和廣泛的選擇，同時(shí)也為商家提供了更加深入了解客戶需求信息和購(gòu)物行為特征的可能性。二、數(shù)據(jù)挖掘的主要方法數(shù)據(jù)挖掘融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)。比較典型的數(shù)據(jù)挖掘方法有分類、關(guān)聯(lián)規(guī)則分
3、析、聚類分析和孤立點(diǎn)分析等。1.分類。分類是找出一個(gè)類別的概念描述，它代表了這類數(shù)據(jù)的整體信息，即該類的內(nèi)涵描述，一般用規(guī)則或決策樹模式表示。實(shí)際上就是通過(guò)分析示例數(shù)據(jù)庫(kù)中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個(gè)分類規(guī)則對(duì)其他數(shù)據(jù)庫(kù)中的記錄進(jìn)行分類。2.關(guān)聯(lián)規(guī)則分析。關(guān)聯(lián)規(guī)則分析用于發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。若兩個(gè)或多個(gè)數(shù)據(jù)項(xiàng)的取值重復(fù)出現(xiàn)且概率很高時(shí)，它就存在著某種關(guān)聯(lián)，可以建立起這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則，一般用“支持度”和“置信度”兩個(gè)閩值來(lái)淘汰那些無(wú)用的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則分析能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中諸如“90%的顧客在一次購(gòu)買活動(dòng)中購(gòu)買商品a的同時(shí)購(gòu)買商品b”之
4、類的特征。3.聚類分析。聚類分析的對(duì)象是一組未分類記錄，并且這些記錄應(yīng)分成幾類事先也不知道。聚類就是通過(guò)分析數(shù)據(jù)庫(kù)中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個(gè)記錄所在類別。它所采用的分類規(guī)則是由聚類分析工具決定的。采用不同的聚類方法，對(duì)于相同的記錄集合可能有不同的劃分結(jié)果。4.孤立點(diǎn)分析。數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，這些記錄稱為孤立點(diǎn)，常常包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。孤立點(diǎn)分析基本方法是尋找觀測(cè)結(jié)果與參照之間的差別。三、據(jù)據(jù)挖掘在的應(yīng)用數(shù)據(jù)挖掘的應(yīng)用十分廣泛，如銀行、電信、保險(xiǎn)
5、、交通、零售（如超級(jí)市場(chǎng)）等領(lǐng)域。數(shù)據(jù)挖掘所能解決的典型商業(yè)問(wèn)題包括數(shù)據(jù)庫(kù)營(yíng)銷（databasemarketing）、客戶群體劃分（customersegmentationclassification）、背景分析（profileanalysis）、交叉銷售（cross-selling）等市場(chǎng)分析行為，以及客戶流失性分析（churnanalysis）、客戶信用記分（creditscoring）和欺詐發(fā)現(xiàn)（frauddetection）等。分類的目的是構(gòu)造一個(gè)分類函數(shù)或分類模型，通常稱作分類器。分類器的構(gòu)造方法通常由統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)X絡(luò)方法等。在金融領(lǐng)域，管理者可以通
6、過(guò)對(duì)客戶償還能力以及信用的分析，進(jìn)行分類，評(píng)出等級(jí)，減少放貸的盲目性，提高資金的使用效率。在零售業(yè)，數(shù)據(jù)挖掘可有助于識(shí)別顧客購(gòu)買行為，發(fā)現(xiàn)顧客購(gòu)買模式和趨勢(shì)，改進(jìn)服務(wù)質(zhì)量，取得更好的顧客保持力和滿意程度，提高貨品銷量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷策略，減少商業(yè)成本。電信、計(jì)算機(jī)X絡(luò)、因特X和各種其它方式的通信和計(jì)算的融合是目前的大勢(shì)所趨。利用數(shù)據(jù)挖掘技術(shù)來(lái)幫助理解商業(yè)行為、確定電信模式、捕捉盜用行為、更好的利用資源和提高服務(wù)質(zhì)量是非常有必要的，通過(guò)挖掘進(jìn)行盜用模式分析和異常模式識(shí)別，從而可盡早發(fā)現(xiàn)盜用，為公司減少損失。數(shù)據(jù)挖掘是一個(gè)非常復(fù)雜的過(guò)程。每一種數(shù)據(jù)挖掘技術(shù)方法都有其
7、自身的特點(diǎn)和實(shí)現(xiàn)步驟。每種數(shù)據(jù)挖掘的技術(shù)方法對(duì)輸入/輸出數(shù)據(jù)形式的要求、結(jié)構(gòu)、參數(shù)設(shè)置、訓(xùn)練、測(cè)試和模型評(píng)價(jià)方式各自有不同的要求，算法應(yīng)用領(lǐng)域的含義和能力也存在差異。數(shù)據(jù)挖掘過(guò)程一般分為定義問(wèn)題、準(zhǔn)備數(shù)據(jù)、實(shí)施挖掘、評(píng)價(jià)與表示等幾個(gè)階段。數(shù)據(jù)挖掘過(guò)程的這幾個(gè)階段都需要人的參與指導(dǎo)。四、結(jié)束語(yǔ)數(shù)據(jù)挖掘是指按企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。電子商務(wù)是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來(lái)商業(yè)運(yùn)作模式的必然選擇。企業(yè)數(shù)據(jù)
