在电子商务中应用Web数据挖掘的研究

发布时间：2017-05-12 11:09

  本文关键词：在电子商务中应用Web数据挖掘的研究，由笔耕文化传播整理发布。

【摘要】：互联网的应用使数据增长速度惊人,智能手机、平板电脑、云空间、物联网的推进,促使数据膨胀问题更加严峻。经济全球化需企业家敢于表现,吸引客户注意力,服务好客户,与客户达到互利共赢。而这表现的平台便是利用互联网的电子商务网站。可是平台里依旧有历史遗留问题,即“数据亿万万,价值找不到”。 数据如同改革开放,也需要开放,即流通。流通应该顺应时代与技术发展要求,因为拒绝数据意味着拒绝财富。数据“4V”时代已经来临,即数据的“大量化(Volume)、多样化(Vaviety)、快速化(Velocity)、价值化(Value)"、门户站点商情广告、网上银行支付结算、搜索引擎社交网络等多种类型的电子商务以数据的形式正改变着人们的生活。对于激增的存储数据量,剧增的数据复杂度,数据的分析研究者们突破重重困境,找到行之可行的方法,将数据的价值挖掘出来,以帮助数据拥有者能从大量的数据中寻找某些规律性以辅助决策。这个方法便是数据挖掘技术。电子商务是未来经济发动机,在电子商务中运用数据挖掘推荐页面是企业向世界全面展示形象和产品、寻找合作伙伴和扩大销售规模的最佳途径。 本文通过数据挖掘技术在新兴的电子商务推荐系统领域的应用进行了初步研究。本人主要完成如下工作：一是系统的论述了目前国内外数据挖掘、电子商务及推荐系统研究的现状。二是简述了在电子商务企业中应用Web数据挖掘技术。三是阐述了在推荐系统中运用的推荐算法与技术。四是改进推荐Apriori算法,设计了一个基于Web数据挖掘的电子商务推荐系统。推荐系统是本论文的重点。在推荐系统设计之前,先是对推荐系统进行可行性分析,然后是分三大模块对推荐系统进行设计。这三大模块分别是数据访问模块、系统架构应用模块和交互用户模块。接下来对这三大模块进行细分,详细设计了组成数据访问模块的数据收集模块和数据预处理模块,组成系统架构应用模块的OLAP系统架构模块和基于B/S服务的数据挖掘系统模块,及组成交互用户模块的在线推荐模块与模式应用模块。在系统架构应用模块中运用了改进后的Apriori算法,实现关联规则的推理,确定关联页面,形成推荐集。在用户交互模块中显示运行算法后的运行界面,展示推荐系统的个性化服务。 虽然在电子商务推荐系统中运用数据挖掘技术能够为商家带来大量的经济价值和利益,但它也是一把双刃剑。商家在收集大量的数据的同时,又面临着数据处理、使用、保管和安全等方面的新挑战。如何有效保护消费者个人的隐私安全等,如何真正利用数据挖掘提升企业的价值,如何在移动互联网时代让更多的数据以非结构化的形式出现,数据挖掘发展还任重而道远。
【关键词】：Web数据挖掘 电子商务 Apriori算法 推荐系统
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.13
【目录】：

• 摘要5-6
• Abstract6-8
• 目录8-11
• 插图索引11-12
• 附表索引12-13
• 第1章 绪论13-21
• 1.1 论文研究背景和意义13-14
• 1.2 国内外研究综述14-19
• 1.2.1 数据挖掘研究14-16
• 1.2.2 电子商务研究16-18
• 1.2.3 推荐系统研究18-19
• 1.3 论文研究目标19-20
• 1.4 论文组织结构20-21
• 第2章 数据挖掘相关内容21-42
• 2.1 数据挖掘的定义21-23
• 2.1.1 数据挖掘的内涵21-22
• 2.1.2 数据仓库中的数据挖掘22-23
• 2.1.3 统计方法中的数据挖掘23
• 2.2 数据挖掘的技术23-29
• 2.2.1 数据挖掘的技术方法24-26
• 2.2.2 数据挖掘的工具26-27
• 2.2.3 数据挖掘七大过程27-29
• 2.3 数据挖掘的应用及挑战29-33
• 2.3.1 数据挖掘的应用29-32
• 2.3.2 数据挖掘的挑战32-33
• 2.4 Web数据挖掘的相关内容33-39
• 2.4.1 Web数据挖掘的概念33-34
• 2.4.2 Web数据挖掘的作用34-35
• 2.4.3 Web数据挖掘的特点35-36
• 2.4.4 Web数据挖掘的分类36-38
• 2.4.5 Web数据挖掘流程38-39
• 2.4.6 Web数据挖掘用途39
• 2.5 XML与Web数据挖掘的结合39-41
• 2.6 小结41-42
• 第3章 电子商务中的Web数据挖掘42-54
• 3.1 电子商务相关概念42-45
• 3.1.1 电子商务的两个层面42
• 3.1.2 电子商务的模式42-44
• 3.1.3 电子商务活动的特点44
• 3.1.4 电子商务七大优势44-45
• 3.2 EC中进行Web数据挖掘45-49
• 3.2.1 EC中的数据源46-47
• 3.2.2 EC的挖掘过程47-49
• 3.3 Web挖掘在EC中的应用49-53
• 3.3.1 提升客户价值50-52
• 3.3.2 改变营销机制52-53
• 3.4 小结53-54
• 第4章 使用Web数挖的推荐系统研究54-59
• 4.1 电子商务中的推荐系统54-56
• 4.1.1 前台输出系统55
• 4.1.2 后台输入系统55-56
• 4.1.3 中间处理系统56
• 4.2 常见推荐算法56-58
• 4.3 小结58-59
• 第5章 Web挖掘推荐系统的设计实现59-83
• 5.1 推荐系统的概述59-60
• 5.2 访问数据模块60-63
• 5.2.1 数据收集模块61
• 5.2.2 推荐系统的数据预处理61-63
• 5.3 系统架构应用模块63-66
• 5.3.1 基于OLAP的系统结构64-65
• 5.3.2 基于B/S结构应用框架65-66
• 5.4 系统所用算法66-78
• 5.4.1 Apriori算法66-69
• 5.4.2 Apriori算法实现69-71
• 5.4.3 Apriori算法改进71-72
• 5.4.4 改进的Apriori算法实现72-73
• 5.4.5 前后两算法比较分析73-74
• 5.4.6 改进算法在推荐系统中的运用74-78
• 5.5 交互用户模块78-82
• 5.5.1 在线推荐模块79-80
• 5.5.2 模式应用模块80-82
• 5.6 小结82-83
• 结论83-86
• 参考文献86-90
• 附录A (攻读学位期间所发表的学术论文目录)90-91
• 致谢91

【参考文献】

中国期刊全文数据库 前10条

1 胡明;唐培丽;许建潮;;基于OLAP的多维关联规则挖掘研究[J];东北师大学报(自然科学版);2007年04期

2 王颖楠,滕飞,解莉,孙俏;Web挖掘技术[J];吉林工学院学报(自然科学版);2002年01期

3 陈宁;周龙骧;;数据采掘在Internet中的应用[J];计算机科学;1999年07期

4 刘明吉;王秀峰;黄亚楼;;数据挖掘中的数据预处理[J];计算机科学;2000年04期

5 许向阳,洪娟;DM_OLAP元数据管理[J];计算机工程;2004年12期

6 方安儒;叶强;鲁奇;李一军;;基于数据挖掘的客户细分框架模型[J];计算机工程;2009年19期

7 谢琦;张振兴;;基于Apriori算法和OLAP的关联规则挖掘模型设计[J];计算机应用;2007年S1期

8 李明华;刘全;刘忠;郗连霞;;数据挖掘中聚类算法的新发展[J];计算机应用研究;2008年01期

9 李广水;郑滔;宋丁全;;面向服务数据挖掘的关键技术在.NET下的实现研究[J];计算机工程与设计;2009年20期

10 薛洁;刘希玉;;数据挖掘技术与网上购物推荐系统[J];网络安全技术与应用;2011年03期

  本文关键词：在电子商务中应用Web数据挖掘的研究，由笔耕文化传播整理发布。

，

本文编号：359586