基于粗糙集的电子商务交易知识获取研究

发布时间：2017-04-28 04:00

  本文关键词：基于粗糙集的电子商务交易知识获取研究，由笔耕文化传播整理发布。

【摘要】：电子商务的迅速发展为企业带来了机遇,随着应用的深入,产生了大量的交易活动数据,如何从这海量的信息中获取潜在的能支持企业商业决策的知识,已成为当前电子商务经营管理者首要解决的问题。数据挖掘技术的出现为该问题的解决提供了强大的技术支持。其中,粗糙集较之其他数据挖掘技术,具有不需任何先验知识而以用户提供的大量数据作为唯一的信息源直接进行知识获取的独特优势,近年成为知识获取领域中的研究热点。本文基于前人研究成果及经验,深入研究粗糙集在电子商务交易知识获取中的应用。 首先,对电子商务交易知识获取中的数据准备进行研究,包括数据的归纳分类及来源分析、数据预处理一般过程及Web数据预处理,并重点探讨了基于粗糙集的空缺数据预处理及数据离散化预处理方法。 然后,对基于粗糙集的分类知识和关联知识获取模型构建进行研究。在分类知识获取建模中,研究以求属性核为起点的前向属性约简算法,针对目前求核属性算法在处理某些冲突信息系统时得不到核属性的缺陷,引入局部熵概念,提出改进的基于差别矩阵的求核算法。针对普遍的基于整个决策表的启发式属性约简算法计算量大的问题,提出改进的基于粗糙熵的属性约简算法。对于规则的评价,引入主观相对权重概念,结合客观的确定性因子(即规则置信度),提出同时考虑主观和客观因素的全面的规则综合权重衡量方法。在关联知识获取建模中,引入粗糙集等价类概念,按交易项是否出现对交易事务数据库进行划分,在生成频繁项集时不用扫描事务数据库而只需对交易项的等价类进行集合运算即可,减少时间开销。同时考虑到实际商业应用需求,引入商品利润约束重新定义最小支持度,以避免出现频度低但利润高的商品项被过滤掉,由此生成的关联规则更具商业价值。 最后,以KDD Cup 2000提供的Gazelle.com公司的电子商务交易数据为例,研究这两个知识获取模型在实际电子商务交易知识获取中的应用。
【关键词】：电子商务交易知识 分类知识获取 关联知识获取 粗糙集
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F713.36;F224
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-25
• 1.1 论文的选题背景及研究目的和意义11-13
• 1.1.1 论文选题的背景11-12
• 1.1.2 论文研究的目的和意义12-13
• 1.2 国内外研究现状13-21
• 1.2.1 国外研究现状13-16
• 1.2.2 国内研究现状16-20
• 1.2.3 国内外研究评述20-21
• 1.3 论文的写作思路和研究方法21-23
• 1.3.1 论文主要写作思路及内容结构框架21-23
• 1.3.2 论文研究方法23
• 1.4 论文创新之处23-25
• 第2章 电子商务交易知识获取分析25-35
• 2.1 电子商务交易知识界定25-27
• 2.2 电子商务交易过程分析27-30
• 2.3 电子商务交易知识获取环境分析30-34
• 2.3.1 知识获取对象——数据分析30-31
• 2.3.2 交易主体——顾客及其行为分析31-32
• 2.3.3 知识获取的物理环境分析32-33
• 2.3.4 电子商务交易知识应用分析33-34
• 2.4 本章小结34-35
• 第3章 数据预处理35-51
• 3.1 电子商务交易知识获取数据源35-39
• 3.1.1 数据分类35-36
• 3.1.2 数据源36-39
• 3.2 数据预处理一般过程39-47
• 3.2.1 数据集成40-41
• 3.2.2 数据清理41-43
• 3.2.3 数据转换43-44
• 3.2.4 数据规约44-47
• 3.3 Web数据预处理47-50
• 3.4 本章小结50-51
• 第4章 基于粗糙集的电子商务交易知识获取51-94
• 4.1 粗糙集在电子商务交易知识获取中的优势51-52
• 4.2 基于粗糙集的分类知识获取建模52-80
• 4.2.1 分类知识获取基本过程52
• 4.2.2 基于粗糙集的属性约简52-67
• 4.2.3 基于粗糙集的属性值约简67-75
• 4.2.4 规则的生成与评价75-78
• 4.2.5 模型的应用78-80
• 4.3 基于粗糙集的关联知识获取建模80-92
• 4.3.1 关联知识获取过程80-85
• 4.3.2 交易事务数据库与粗糙集信息系统对应关系分析85-86
• 4.3.3 基于粗糙集的关联知识获取模型构建86-92
• 4.4 本章小结92-94
• 第5章 电子商务交易知识获取应用94-108
• 5.1 电子商务交易知识获取主题确定94-96
• 5.1.1 顾客-商品关联分析94
• 5.1.2 交易商品关联分析94-95
• 5.1.3 浏览商品关联分析95-96
• 5.2 电子商务交易知识获取数据准备96
• 5.3 电子商务交易知识获取96-107
• 5.3.1 顾客-商品关联知识获取96-104
• 5.3.2 交易商品关联知识获取104-106
• 5.3.3 浏览商品关联知识获取106-107
• 5.4 本章小结107-108
• 结论108-110
• 参考文献110-117
• 攻读硕士学位期间发表的论文和取得的科研成果117-118
• 致谢118

【参考文献】

中国期刊全文数据库 前10条

1 张振琳;黄明;;改进的差别矩阵及其求核方法[J];大连交通大学学报;2008年04期

2 叶东毅,陈昭炯;一个新的差别矩阵及其求核方法[J];电子学报;2002年07期

3 杨明,孙志挥;改进的差别矩阵及其求核方法[J];复旦学报(自然科学版);2004年05期

4 王秀,叶东毅;基于分布约简的获取规则的增量式方法[J];福州大学学报(自然科学版);2005年01期

5 张天桥;;面向电子商务的数据挖掘系统设计[J];中国管理信息化;2008年18期

6 姜长虹;何天荣;屈玉华;张雪峰;;基于粗糙集理论的规则权重确定方法[J];甘肃联合大学学报(自然科学版);2008年06期

7 李春贵;王萌;原庆能;;基于启发式信息熵的粗集数值属性离散化算法[J];广西科学院学报;2007年04期

8 王国胤;Rough集理论在不完备信息系统中的扩充[J];计算机研究与发展;2002年10期

9 苗夺谦,胡桂荣;知识约简的一种启发式算法[J];计算机研究与发展;1999年06期

10 刘山;属性约简中核的计算方法[J];计算机工程与应用;2004年17期

中国博士学位论文全文数据库 前2条

1 崔广才;基于粗糙集的数据挖掘方法研究[D];吉林大学;2004年

2 魏娟;基于粗糙集的知识发现及在CRM中的应用研究[D];哈尔滨工程大学;2006年

中国硕士学位论文全文数据库 前10条

1 孙杰;数据挖掘技术在零售业领域中的应用研究[D];东北财经大学;2003年

2 曲斌;数据挖掘技术在零售业CRM中的应用研究[D];浙江大学;2004年

3 周露;基于数据挖掘技术的电子化客户关系管理（eCRM）研究[D];武汉大学;2004年

4 杨柳;基于粗糙集的数据挖掘技术研究及其在智能软件中的实现[D];电子科技大学;2004年

5 阙夏;连续属性离散化方法研究[D];合肥工业大学;2006年

6 田地;基于电子商务Web的数据挖掘技术研究[D];郑州大学;2006年

7 胡明涛;基于粗糙集理论的零售业数据挖掘研究[D];江西财经大学;2006年

8 赵谦;数据挖掘技术在大型超市中的应用研究[D];哈尔滨理工大学;2007年

9 王翔飞;基于粗糙集理论属性约简的研究与应用[D];江南大学;2007年

10 夏小云;C2C电子商务数据挖掘的研究及应用[D];江西理工大学;2007年

  本文关键词：基于粗糙集的电子商务交易知识获取研究，，由笔耕文化传播整理发布。

本文编号：332037