数据挖掘在电子商务中的应用研究.doc

1、 数据挖掘在电子商务中的应用研究摘要：本文主要介绍数据挖掘在电子商务中的应用，文章从数据挖掘的定义、数据挖掘的常用方法出发，阐述了数据挖掘在海量信息中提取有效信息的作用，特别是数据挖掘与电子商务的结合可以给人们生活带来便利，给企业带来新的利润空间以及为企业提供决策支持。常用的数据挖掘技术主要包括支持向量机、朴素贝叶斯、聚类、决策树、神经网络和关联规则等，最后介绍了数据挖掘在电子商务的 4 个主要应用方面，说明了数据挖掘存在的必要性。关键词：数据挖掘；电子商务；决策支持the applications study of data mining in e-commerceliu qifei, hu

2、 hongtao(xian university of petroleum, school of computer science, xian 710065,china)abstract: this paper introduces data mining in e-commerce applications, the article the definition of data mining, data mining commonly used method of departure, described the role of data mining to extract useful i

3、nformation in the mass of information, especially data mining and e-commerce combination can bring convenience to peoples lives, to bring new business profit margins, and provide decision support for the enterprise. commonly used data mining techniques including support vector machine, naive bayes,

4、clustering, decision trees, neural networks and association rules, etc. finally, data mining in e-commerce, the four major applications, indicating the presence of data mining necessity.keywords: data mining;e-commerce;decision support一、引言21 世纪是电子商务的时代、电子商务以其低成本、便利、高回报等优点逐渐流行，被全球人们所接受。电子商务给人们生活带来了越来

5、越多的便利。各行各行都在抓住电子商务这个潮流为企业创造更多的商机。web 数据挖掘是数据挖掘的一个重要分支，是随着数据库技术、人工智能技术和网络技术的发展而提出的。尤其是随着电子商务的不断运作，信息总量不断增加，更迫切需要有效的信息分析工具。在解决这些海量数据提取信息的问题过程中，科学家们于 1989 年提出了知识发现及数据挖掘。数据挖掘的核心技术历经了十几年的发展，已经取得了很大的成就，其中包括数理统计、人工智能、机器学习、神经网络、模式识别、数据库技术、知识获取和信息检索等。二、数据挖掘简介（一）数据挖掘定义数据挖掘是近年出现的一种全新信息技术，同时也是基于计算机科学与技术，尤其是网络技术

6、的发展及普遍应用而提出的一个重要课题。数据挖掘（date mining）就是从大量的、不完全的、有噪声的、模糊的随机的实际应用数据中，提取隐含在其中的、人们事先不知道但又是潜在有用的并最终可理解的信息和知识的非平凡过程1,2。数据挖掘的知识表示为概念(concepts)，规则(rules)、规律(regularities)、模式(patterns)等形式。使用数据挖掘的优势是它能帮助企业从海量的数据库中挖掘出对企业有用的信息，对企业的决策提供支持，帮助企业取得市场竞争的优势。（二）数据挖掘流程图 1 数据挖掘过程数据挖掘整个过程分为定义业务问题、数据理解、数据准备、数据挖掘、模型评估。这五个步

7、骤是数据挖掘所必须的过程。1.定义业务问题。数据挖掘是从海量的数据中挖掘出对使用者有用的数据信息，它在数据挖掘中是第一个步骤，它也是比较重要的阶段。数据挖掘在电子商务中的应用例如，要做电信客户的流失分析，也就是找到哪些客户即将流失哪些不会流失，所以应该明确其任务主要是构建一个分类模型后对客户分类。2.数据理解。数据理解是对数据挖掘的业务问题的一个业务数据的抽象，是现实模型世界在计算机上的数据映像。数据理解包括明确模型的目标变量和输入变量。3.数据准备。数据准备是数据挖掘的必要环节，也是挖掘结果是否科学可用的关键一环。因为收集阶段得到的数据有些可能不准确。表现为数据可能存在不一致性，或有“脏”数

8、据或者数据有缺失等，所以首先需要清洗数据；再根据业务分析的结果对数据进行整合与转化操作。4.数据挖掘。针对特定的需求来选择合适的算法，来进行挖掘。这是因为不同的方案产生的结果是不同的。5.模型评估。结果评价和表达这个步骤是在上面步骤得出的模式模型，有可能是没有实际意义或者是没有实际的使用价值，这需要对模型进行评判。（三）web 数据挖掘web 数据挖掘是数据挖掘在 web 上的应用，它是一项综合的技术，涉及到数据库、web 技术、计算机语言等多个学科领域，是一个综合且交叉性的学科，它包括计算机与数学的交叉。web 数据挖掘的发展是电子商务发展的必然产物。这是由于 internet/intran

9、et技术的发展，尤其是 web 的全球普及，使得 web 上的信息量无比丰富，越来越多的机构和个人在网络上发布信息、查找信息。web上的数据是海量的，同时，web 是无结构的、动态的，web 页面极其复杂。这样就使得人们从成千上万的 web 站点中找到有用的数据变得比较困难。于是，人们就越来越关注如何开发和利用 web上的数据资源。这些都需要 web 数据挖掘，这里给出一个 web 数据挖掘的定义：web 挖掘是指从大量的 web 文档集合 c 隐含的 p 模式，如果 c 作为输入，为输出 p，然后，web 挖掘过程是一个从输入到输出的映射：cp3。 web 挖掘分为三类：内容挖掘，结构挖掘，

10、挖掘应用。 web 内容挖掘是指发现网页上的内容信息，以找到具体的信息需要从文本，图像，音频，视频和其他形式的网络资源的“利息” 。搜索引擎，智能代理和推荐引擎使用内容挖掘，以帮助客户找到所需的内容，在浩瀚的网络空间。 web 结构挖掘是挖掘 web链接结构模式的潜力，来自网络的组织结构和链接关系的信息和知识的过程。 web 应用程序的开采挖掘 web 服务器日志来获取信息来预测用户的浏览行为，是指从用户的访问日志中挖掘用户访问模式。三、数据挖掘在电子商务中的应用数据挖掘是一种从数据集中提取那些隐藏在数据集中的有用数据的非平凡的过程4。目前数据挖掘已经在各个行业都得到了广泛的应用，也帮助企业获取到了一定的利润。对于当前电子商务的高度发展，毫无疑问电子商务是 web 数据挖掘研究的重要发展方向之一。例如，它在电信、零售网购等商业领域都有着广泛的使用价值。目前数据挖掘在电子商务方面主要有以下几方面的应用。