试探基于电子商务的web数据挖掘技术.docVIP

试探基于电子商务的Web数据挖掘技术 [摘 要] 随着Internet的日益普及和电子商务的蓬勃发展，基于互联网的商业Web站点业务的竞争也越来越激烈。由于电子商务可为数据挖掘提供极为丰富的数据源，因而如何对大量的电子商务信息进行有效的组织利用，发现蕴涵的、未知的、有潜在应用价值的、非平凡模式或信息，从中抽取感兴趣的商业运作模式，以便更好地理解客户的行为，或改进站点结构为客户提供更多的个性化服务，已为众多商家所关注，因此，开展本研究课题有一定的应用价值和意义。 本文在分析研究电子商务数据特点的基础上，较详细地阐述了Web数据挖掘的概念、方法等相关技术，以及在电子商务中数据挖掘技术的应用，针对基于Web日志的数据挖掘模型的缺点，构建了一个基于Session的数据挖掘模型，并提出了一种基于Web挖掘的个性化推荐。通过对用户访问信息进行有效的数据挖掘，可以从用户浏览网站的数据中抽取感兴趣的模式，理解用户的浏览兴趣行为，以便进一步改善网站结构，为用户提供个性化服务。 [关键词] 数据挖掘、Web挖掘、关联规则、电子商务、个性化推荐模型 [abstract] With the popularization of Internet and the development of E-commerce, E-business Web sites are faced with more and more fierce competition. E-commerce provides abundant data resources for data mining, thus more and more business organizations are interested in how to make use of E-commerce information and mine the user interest pattern to understand user behavior, improve the usability of web site and provide personalized service for customers. The thesis discusses the character of data in E-commerce, expatiates the conception and technologies in detail, and the application of the data mining technology in E-Commerce, analyze the disadvantages of the model of Data Mining based on the Web log and construct a model of Data Mining based on Session, then it presents a Personalized recommender system based on similar model clustering algorithm. By mining the Web log records, we can obtain the knowledge about user access manners which can help us to find out the user access patterns and perform personalized Web pages recommendation. Therefore, there is a full solution for the Web site of E-Commerce. [Key words] Data mining、Web mining、Connection rule 、E-commerce、 Personalization recommendation1、绪论 1.1 研究背景 随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。爆炸式增长的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象。人们迫切需要利用一种崭新的技术和工具智能地、自动地将数据转变为知识，这种情况下数据挖掘技术就应运而生。 伴随Internet的飞速发展和普及，网上的数据资源空前