数据挖掘技术在电子商务中应用论文.docx

数据挖掘技术在电子商务中应用论文摘要：概述了数据挖掘的定义、方法、过程论述了数据挖掘技术与电子商务的关系提出了数据挖掘技术在电子商务系统中应用的体系结构经过测试达到了预定的结果。关键词：数据挖掘电子商务应用当今国内外电子商务类网站日益兴起。许多电子商务类网站都提供了一定程度的个性化服务比如提供商品推荐服务。而构成这些个性化服务的基础就是数据挖掘技术。一、数据挖掘分析1.数据挖掘的定义。数据挖掘(dataminingDM)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。包括存储和处理数据选择处理大数据集的算法、解释结果、使结果可视化。2.数据挖掘的方法。从商业的角度来看数据挖掘是一种新的商业信息处理技术其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理从中提取辅助商业决策的关键性数据。数据挖掘的方法大致可以分成4类：关联分析、概括分析、分类分析、聚类分析。（1）关联分析：分析表面上不相关数据之间的内在联系揭示各事之间的依赖性和相关性分析范围包括简单关联、因果关联等。在电子商务中用数据挖掘找到隐藏的关联规则当客户浏览、搜索关联规则中的某种商品时就可以在页面中以推荐商品的形式显示关联规则中的其它商品。在进货计划和促销计划中也可以将这个因素考虑进去。（2）概括分析：即提取数据库中指定的数据集合的一般特性找出遍性规律。（3）分类分析：设置分类规则把各个事务或实体按照性质和特征不同进行归类把数据层次化和规整化从而建立数据的分类模型。（4）聚类分析：通过分析和归纳实体之间的特征差异选出具相识特征的实体聚合成为一个类并用某种规则来描述该类的相同属性形成一种聚类规则实际上它是与分类分析法互逆的过程。3.数据挖掘的过程。该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息并使用这些信息做出决策或丰富知识。（1）确定业务对象：清晰地定义出业务问题认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的但要探索的问题应是有预见的为了数据挖掘而数据挖掘则带有盲目性是不会成功的。（2）数据准备。数据的选择：搜索所有与业务对象有关的内部和外部数据信息并从中选择出适用于数据挖掘应用的数据。（3）数据挖掘：对所得到的经过转换的数据进行挖掘。除了完善从选择合适的挖掘算法外其余一切工作都能自动地完成。（4）结果分析：解释并评估结果。其使用的分析方法一般应作数据挖掘操作而定通常会用到可视化技术。（5）知识的同化：将分析所得到的知识集成到业务信息系统的组织结构中去。二、数据挖掘与电子商务的关系在电子商务企业中数据挖掘运用于客户行为分析企业从中受益体现在以下四个方面:(1)可以发现客户和访问者的爱好、生活模式。(2)可以争取新顾客怎样使产品适销对路、怎样给产品定价、怎样吸引单个客户、怎样优化Web网站。(3)可以用相应的信息确定顾客的消费周期针对不同的产品制定相应的营销策略。(4)可以确定客户细分为每一个客户的独特需求设计“量身定制”的产品。三、数据挖掘技术在电子商务中的应用1.面向电子商务的数据挖掘系统设计。本系统电子商务平台采用基于三层体系结构构建服务器端采用先进的J2EE平台构架有完整的体系框架组成具有很好的可扩展性、互联性和可维护性。因此面向电子商务的数据挖掘系统由数据库服务器、应用服务器和客户端三层组成整个体系结构是以J2EE企业级的构建技术为基础。对数据挖掘过程中产生的数据采用独立的数据挖掘库表存放这样既不影响也不依赖数据挖掘的数据源。应用服务器完成所有的数据挖掘运算通过接受客户端的设置完成所有对数据进行探索、转换、挖掘的工作。数据挖掘系统的每个功能模块都以EJB的形式进行封装以实现分布式计算和负载平衡等分布式计算的要求把具有繁重计算任务的模块和用户交互模块分开。客户端要负责数据挖掘流程的创建工作、所有功能模块参数的设定以及各种可视化结果的显示。用户可以根据自己的要求任意创建各种形式的挖掘流程同时按照需要执行某部分流程获取相应的可视化分析结果其系统体系结构如图所示。面向电子商务的数据挖掘系统体系结构图2.面向电子商务的数据挖掘系统功能设计。面向电子商务的数据挖掘系统主要以下几大功能模块：（1）用户信息分析。运用分类和聚类挖掘方法对用户的信息分析可以得到用户的些特征。对用户分类相当于对具有某些公共属性的用户群体建立了概要特征描述这些特征可以用来对新增的用户进行分类可以发现未来的潜在用户并开展有针对性的商务活动如自动给一类特定的用户发送销售邮件当属于同一类的用户再次访问站点时为其动态地改变站点的内容等。通过这些举措