电商系统中的数据分析方法研究.docVIP

电商系统中的数据分析方法研究 - 课题研究意义 随着 Internet 技术的不断发展与成熟，电子商务这一现代商业模式以其高效率、低成本和不受时空限制的特点成为企业商务活动发展的大势所趋。电子商务的迅速发展导致诸多问题也随之出现。如今所有企业面临的一个共同问题就是尽管电子商务系统收集了相当大量的数据，然而能够得到的、真正有价值的信息却非常少。如何对这些信息进行有效的组织与利用，从海量的数据中获得有利于商业运作、提高竞争力的信息是企业亟待解决的焦点问题。 本文旨在通过对电子商务中数据挖掘技术的研究，针对不同的挖掘目的，发现并选择适当的数据挖掘算法或模型。将研究数据挖掘技术在电子商务各个方面的应用，其数据挖掘技术是分别针对不同的挖掘任务设计的，需要根据具体的应用选择适当的挖掘技术，以使面向电子商务的数据挖掘研究更加具体。多种挖掘技术与电子商务系统有机的融合，可以为电子商务活动争取最大的收益提供源源不断的动力。 - 国内外研究现状评述(恰当地标明参考文献) 数据挖掘是用于大规模数据处理的一种思维方法和技术手段，是在各种数据成指数级增长和以数据库技术为核心的信息技术逐渐成熟的背景下产生的。随着数据挖掘在各领域的广泛应用，数据挖掘技术所要解决的问题主要包括算法效率亟待提高；适应多数据类型、容噪的挖掘技术；动态数据和知识的挖掘技术，以解决大量的、异质数据集的以及网络与分布式环境下的数据挖掘问题等。 数据挖掘是面向应用的，也只有将数据挖掘技术应用到大量的、复杂的数据中去，对数据挖掘技术研究的价值才能得到最佳体现。 电子商务的发展使得越来越多的企业开始网上交易，电子商务网站的服务器日志、后台数据库中客户相关的数据以及大量的交易记录等数据资源中所蕴涵的大量的有益信息有待于充分地挖掘和利用。无疑电子商务是数据挖掘应用的最佳对象，面向电子商务的数据挖掘是 Web 挖掘的典型应用。与国外相比，国内对数据挖掘技术应用的研究稍晚，从事研究工作的人员主要集中在大学或研究所，研究领域一般集中于算法以及有关数据挖掘理论方面的研究。 目前，数据挖掘技术在电子商务网站设计中的应用研究集中在优化网站链接结构、页面实时推荐以及个性化站点设计等方面。由于用户在网站上的访问行为被 Web 服务器以日志形式保存，对 Web 日志进行挖掘以发现用户访问模式来优化网站设计自然成了这一领域的主流。Mobasher 等人提出基于关联规则和聚类分析的页面推荐算法(参考文献：（Mobasher B, Dai H, Luo T, et al. Effective personalization based on association rule discovery from web usage data[A]. Mobasher Bed. 3rd Int Workshop on Web Information and Data Management (WIDM 2001)[C]. New York: ACM Press, 2001. 9-15）Mobsher B. WebPersonalizer: a server2side recommender system based on web usage mining [EB/OL]. http:∥www. cs. depaul. edu/ research/ technical. asp, 2001))，可用于建立个性化推荐网站。Bose等人在文献(ose P, Kranakis E, Krizanc D, et al Strategies for Hotlink As signments[C]. In: Proc 11 th Symp. on algorithms and computation (ISAAC 2000), 2000: 23-34)中首先提出通过增加 hotlink 优化站点结构的方法。在此基础上, Fuhrmann 等人在文献(Fuhrmann S, Krumke S O, Wirth H C. Multiple Hotlink Assignment[C]. In: Proceedings of the Twenty-Seventh International Workshop on Graph-Theoretic Concepts in Computer Science, Rostock, Germany, 2001)中使用该方法优化站点链接结构,即通过有限的 hotlink 的增加最小化权重较高的节点与根节点之间的路径距离。文献(Cooley R, Tan P N, Srivastava J. Discovery of Interesting Usage Patterns from Web Data[C]. I