电子商务数据挖掘中的若干关键技术的研究

发布时间：2017-05-17 06:14

  本文关键词：电子商务数据挖掘中的若干关键技术的研究，，由笔耕文化传播整理发布。

【摘要】：目前,众多的实际应用已证明,数据挖掘在电子商务等方面具有着极高的商业价值和重要研究意义,并且已经被广泛的应用到各个领域。而针对数据挖掘的算法也层出不穷,尤其是关联规则挖掘算法。在挖掘关联规则时,比较常用的经典挖掘算法是Apriori算法。对于Apriori算法,其关键步骤是根据最小支持度获取频繁项集,且在目前大多数算法中,最小支持度的确定一般是根据用户的挖掘经验而被人为进行设定。该做法无疑会给挖掘的结果带来比较大的偏差。有时,该误差甚至是致命性的。因此,如何使最小支持度因被人为设定而产生的误差及其影响最小呢?于是,针对在电子商务应用的过程中所产生的有关问题,本文展开了较为详细的研讨,并通过充分利用各数据挖掘技术等方法加以解决,其具体工作目的、研究思路及结果分为如下几方面： (1)算法设计模式方面。为有效提高算法设计的可扩展性和可维护性,避免算法设计混乱,减少算法设计上的误差因素影响,通过探讨了装饰模式与策略模式及适配器模式的结合,文中提出了三个方案,并对其可行性及性能进行了详细分析与比较。最后,本文选用了效率相对较高的方案三应用到所开发的系统中,并分析实验结果。 (2)软件复杂度及AOP (Aspect Oriented Program)方面。为有力控制系统复杂度水平过高,使系统中模块间保持高内聚、低耦合,避免算法的冗余度过高,减轻其他误差因素对算法的影响,本项工作据课题的特点及其需求情况,研讨了软件复杂度的几项重要指标,并希望用AOP达到该部分预期目标。通过使用经济学中的层次分析法,本部分定量分析了AOP对软件复杂度水平降低的重要作用。实验证明,AOP己使系统达到了预期效果。 (3)挖掘关联规则算法方面。在挖掘关联规则时,最小支持度的重新确定问题已有通过采用牛顿插值算法进行逆向自学习解决,但因牛顿插值算法在确定点值时需多次对整个事务数据库进行扫描,其所产生的扫描数据量是巨大的。所以,该算法直接影响了整个关联规则挖掘算法的时间复杂度。因此,本部分的主要工作是利用分块算法解决支持度逆向自学习时的高时间复杂度问题,并就点值误差所引起的凸点问题通过借用哈希表冲突处理方法的思想进行解决,使实验结果属于误差可控范围,减小挖掘算法的时间复杂度。实验证明,该改善方案是可行的,有效的。 (4)系统开发。为了证明上述各项研讨成果能达到预期水平,本文开发了一个电子商务实验系统。通过实验过程及实验结果数据的对比、分析与绘图,与目前现有方法相比,上述各项改善工作是切实可行的,富有成效的。 文尾之处对本论文开展的各项工作加以归纳、总结,对其中的优点希望继续进行优化、完善,而对其中的缺点提出了相应的解决建议或构想,这为下一步的研讨工作提供了很好的方向与动力。
【关键词】：电子商务 设计模式 软件复杂度 AOP 关联规则 牛顿插值算法 分块
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP311.13
【目录】：

• 摘要3-5
• ABSTRACT5-7
• 目录7-9
• 第1章 引言9-12
• 1.1 论文背景及意义9-10
• 1.2 研究内容10-11
• 1.3 论文安排结构11
• 1.4 本文所做的主要工作11-12
• 第2章 软件设计模式12-21
• 2.1 装饰模式概述12-14
• 2.2 装饰模式的改进14-17
• 2.2.1 装饰模式与策略模式、适配器模式的多模式融合14-16
• 2.2.2 装饰模式的反模式16-17
• 2.3 改进后装饰模式的应用实例17-20
• 2.3.1 应用场景17-18
• 2.3.2 应用实践18-20
• 2.4 本章小结20-21
• 第3章 软件复杂度与AOP21-30
• 3.1 软件复杂度21-22
• 3.2 AOP22-23
• 3.3 解决方案及实验结果分析23-29
• 3.3.1 解决方案23-27
• 3.3.2 实验结果分析27-29
• 3.4 本章小结29-30
• 第4章 数据挖掘30-44
• 4.1 关联规则算法分析31-36
• 4.1.1 算法思想介绍31-34
• 4.1.2 算法性能分析34-35
• 4.1.3 已有的改进方法35-36
• 4.2 算法改进36-43
• 4.2.1 算法Apriori的优化及性能分析37-39
• 4.2.2 对分布式算法优化构想及性能分析39-40
• 4.2.3 改进算法的示例分析40-43
• 4.3 本章小结43-44
• 第5章 改进后的算法在电子商务中的应用44-55
• 5.1 背景描述44-45
• 5.2 改进算法在系统中的应用45-49
• 5.2.1 数据来源描述及生成过程45-46
• 5.2.2 系统开发说明46-49
• 5.3 实验结果分析49-54
• 5.4 本章小结54-55
• 第6章 总结与展望55-58
• 6.1 总结55-56
• 6.2 展望56-58
• 致谢58-59
• 攻读学位期间的研究成果59-60
• 附录A60-65
• 参考文献65-67

【引证文献】

中国期刊全文数据库 前1条

1 赵颖;;分布式图聚类及其在电子商务数据挖掘中的应用[J];电脑知识与技术;2015年02期

  本文关键词：电子商务数据挖掘中的若干关键技术的研究，由笔耕文化传播整理发布。

本文编号：372698