一种基于粗糙集的小型电子商务挖掘模型论文.docVIP

　　一种基于粗糙集的小型电子商务挖掘模型论文 ［摘 要］ 已有的数据挖掘模型大多是针对大型商务网站设计的，成本高，技术复杂，难于实现。本文针对为数众多的小型电子商务网站，将粗糙集与数据挖掘结合起来，建立了一个切实可行的参考模型，该模型能够有效地、自主地挖掘电子商务网站的运营状况和潜在的经济规律，从而为小型电子商务运营者提供决策参考。 ［关键词］ 数据挖掘；粗糙集；小型电子商务 一、 引 言 数据挖掘应用于小型电子商务.freelail以确认交易成功。 以上是电子商务的基本功能，除此之外，更需要一个高效、安全的数据挖掘工具, 挖掘潜在的、深层次的经济活动，为网站决策者提供各种分析数据和参考决策，如自动生成日报表、月报表等统计报表，以及客户行为变化、商品销售预测等。 电子商务环境下，供应商、仓储物流伙伴、客户之间要进行物流、信息流和资金流等经济活动, 数据挖掘可对物流数据、信息流数据、资金流数据进行综合挖掘。 二、 基于粗糙集的小型电子商务挖掘模型 数据挖掘的一般过程包括：数据采集、数据清洗、挖掘算法确定、数据挖掘、模式解释及知识评价。从理论研究到应用实现，涉及的技术主要有分类技术、聚类技术、粗糙集技术、统计技术和关联规则技术等。 粗糙集技术是处理知识的有效方法，已在众多领域得到广泛的应用。这里，结合粗糙集，建立如图1所示的挖掘模型。从图1中看到，采用的主要技术是粗糙集技术。以下对其中的关键步骤作进一步的分析。 三、 小型电子商务网站的数据采集 数据采集是数据挖掘的基础。电子商务网站的数据分布在服务器端、代理端和客户端。理论上讲，应采集到所有三处的数据，才能得到最完整的数据。但在实际中，由于实际情况的限制，几乎是不可能实现的。具体分析如下： 1. 服务器端数据采集。在服务器端客户的行为可以被TCP/IP包监测器跟踪，以提取客户的请求信息。服务器主要以erchandises, Number, Date, Time 可见，上述两个表格记录了挖掘所需的基本数据，使得数据采集更易于完成。 四、 粗糙集数据清洗 利用粗糙集的约简算法对数据进行清洗。主要是计算知识的约简、核、上近似及下近似（正域）。以决策规则为例。表1是某电子商店的购物记录， P，Q，R，S代表4种商品；Customer No. 为客户号。是：表示购买了某商品；否：表示没有购买某商品。 以下对表1进行粗糙集数据清洗。 根据粗糙集理论，论域U={t1，t2，t3，t4，t5，t6，t7，t8}，条件属性集C={P，Q，R}，决策属性集D={S}。容易计算： U关于等价关系C的划分U/C={X1，X2，X3，X4，X5}，其中，X1={t1}，X2={t2，t3}，X3={t4}，X4={t5，t7}，X5={t6，t8}。 U关于等价关系D的划分U/D={Y1，Y2}，其中，Y1={t2，t3，t6，t7，t8}，Y2={t1，t4，t5}。 类似地，U/{P}={{t1，t2，t3}，{t4，t5，t6，t7，t8}}，U/{Q}={{t1，t2，t3，t4，t6，t8}，{t5，t7}}，U/{R}={{t2，t3，t5，t6，t7，t8}，{t1，t4}}，U/{P，Q}={{t1，t2，t3}，{t4，t6，t8}，{t5，t7}}，U/{P，R}={{t1}，{t2，t3}，{t4}，{t5，t6，t7，t8}}，U/{Q，R}={{t1，t4}，{t2，t3，t6，t8}，{t5，t7}} 以下计算正域： posC（D）={ t1，t2，t3，t4，t6，t8} pos（C-{P}）（D）={ t1，t4，t2，t3，t6，t8}=posC(D) pos（C-{Q}）（D）={ t1，t2，t3，t4}≠posC(D) pos（C-{R}）（D）=φ≠posC(D) pos（C-{P， Q}）（D）={ t1，t4}≠posC(D) pos（C-{P，R}）（D）=φ≠posC(D) pos（C-{Q，R}）（D）=φ≠posC(D) 因此，C的D约简为{Q，R}。故表1经过粗糙集数据清洗后得到表2。 五、 决策规则的提取 定义决策规则为： rij：des（Xi） → des（Yj），Xi∩Yj≠?准。 其中，des（）为对等价类的描述。 定义规则rij的确定性因子μ（Xi，Yj）=| Xi∩Yj |/| Xi |。显然，0 μ（Xi，Yj）≤1。 当μ（Xi，Yj）=1时，rij是确定的；当0 μ（Xi，Yj） 1时，rij是不确定的。 这样，可得以下确定性规则： r12：