B2C电子商务中数据挖掘技术的研究与应用

发布时间：2017-11-06 18:15

  本文关键词：B2C电子商务中数据挖掘技术的研究与应用

  更多相关文章： B2C电子商务 Apriori算法 K-means算法 Logistic回归模型

【摘要】：新世纪以来互联网的浪潮席卷了现代社会,也给人们带来了全新的商业文明,B2C(Business-To-Consumer)电子商务这一商业模式正是新浪潮中最让人激动人心的部分。以统计学为主要背景的数据挖掘技术在其中起到了巨大的作用。 本文以B2C电子商务网站数据为基础,系统地研究了数据挖掘技术的三个主要分支,即关联规则挖掘,聚类以及分类方法在B2C数据分析中的应用。主要包括关联规则挖掘在零售网站中的应用,用来挖掘商品之间的关联关系;聚类分析在团购网站中的应用,主要研究商店组成的自然商圈在城市中的分布;以及Logistic回归模型在营销响应中的应用。每章中首先对从B2C电子商务的网站得到的数据集和商业需求作出详细介绍,然后深入探讨国内外文献中的各种数据挖掘技术中主要的流行算法及其优缺点,最后利用统计软件处理和分析数据并得到挖掘结果,从而具体展示数据挖掘技术在B2C电子商务中所能起到的作用。
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP311.13

【引证文献】

中国期刊全文数据库 前1条

1 黄泽豪;张学锋;;改进后的k-means算法在电子商务中的应用[J];福建电脑;2013年07期

中国硕士学位论文全文数据库 前1条

1 张小舟;美团网发展战略研究[D];山东大学;2013年

，

本文编号：1148815