基于web日志挖掘的电子商务个性推荐分析-analysis of e-commerce personalized recommendation based on web log mining.docxVIP

目录摘要IAbstractII1 绪论11.1 研究背景11.2 研究现状21.2.1 国外研究现状21.2.2 国内现状研究31.3 研究意义41.4 组织结构42 相关理论介绍62.4.1 个性推荐系统概述172.4.2 个性推荐系统框架设计193 聚类分析算法研究213.1 常用聚类方法[1]21划分方法(partitioningmethod)21层次方法(hierarchicalmethod)21基于密度的方法(density一basedmethod)22模糊聚类方法(FuzzyClustering)223.2 层次聚类方法223.2.1 层次聚类算法介绍223.2.2 改进的凝聚层次聚类算法243.3 模糊C均值聚类算法253.3.1 模糊集基本知识253.3.2 模糊C均值聚类[1]263.4 改进的层次聚类与FCM聚类方法(NHMF)273.4.1 初始聚类中心283.4.2 样本间距离283.4.3 合并类方法283.4.4 价值函数293.4.5 模糊加权指数293.4.6 算法描述293.4.7 算法优缺点304 基于某网站web日志挖掘的个性推荐研究314.1 数据预处理314.2 用户聚类分析345 总结和展望415.1 总结415.2 展望41参考文献42作者简历45学位论文原创性声明46学位论文数据集471 绪论1.1研究背景随着人类社会和科学文化技术的发展，人类社会已经迈进信息社会时代。特别是由于数据库技术的快速发展和广泛应用，为人类社会积累了越来越多的数据。有数据表明，进入20 世纪90 年代以来，人类积累的数据量以每月高于15%的速度在增加。现代社会，是一个“数据爆炸但知识贫乏”的时代，人们应该如何更好的利用这些数据，发现隐藏在大量数据背后的重要信息，并将其转变为知识，以便帮助企业做出正确有效地决策，进而帮助企业创造更高的利润，已经成为我们必须要面对和解决的难题。在这种背景下，数据挖掘技术诞生了，为人们从大量的数据中发现有用信息提供了方便和支持。数据挖掘技术是一门涉及人工智能、统计学、机器学习和数据库等多个学科门类的综合的、交叉的学科。1995 年，首届数据挖掘和知识发现会议在加拿大召开，在这次会议上Usama Fayad 提出数据挖掘概念，这个概念的提出离不开人工智能、机器学习和计算机等技术的发展。数据挖掘（Data Mining）就是从众多的、复杂的数据中获取新颖的、有效的、潜在的、有用的、并最终可理解的模式的非平凡过程，简单的说数据挖掘就是从海量杂乱的数据中“挖掘” 或提取知识[1]。当今，Internet技术广泛应用于人们工作、学习和生活等各个领域，Internet上存在许多繁杂的信息，这也为数据挖掘技术的应用提供了一个很好的平台。与此同时，在Internet 基础上发展起来的电子商务模式，正凭借其低成本、方便、快捷和无时空及地域限制等方面的优势逐渐在全球盛行。显然，在这种新的、虚拟的商务经营模式下，基于web 日志的客户关系管理变得至关重要，如何从客户的浏览足迹中发现有用的信息，帮助网站更好的了解客户、服务客户，打破传统的“one-size-fits-all”的经营模式，建立一种新的一对一的营销模式，为顾客提供个性化服务，已经成为当前研究的热点。良好的客户关系，有助于提高客户的忠诚度、保留老客户、吸引新客户，为企业创造更高的销售额和利润。当前在电子商务中应用的数据挖掘技术，主要表现在以下几个方面：(1) 浏览模式分析。为了更好的了解客户的需求，发现影响客户决定是否购买的一些细节因素，这就需要通过数据挖掘技术对客户的浏览数据进行挖掘分析，从而发现隐藏的、有价值的信息。(2)个性化的页面推荐。这是指利用数据挖掘技术，对web日志文件进行挖掘，从而挖掘出用户的浏览行为，进而发现客户的购买商品的规律，之后网站可以根据这些有效的信息为用户推荐商品，提高客户对网站服务的满意度。(3) 案例分析及挖掘框架研究。这主要是为了解决数据挖掘技术的终端应用客户在实际应用时所面临的问题，通过分析现有数据挖掘的框架体系并结合案例分析，解决现存的实际问题，并对数据挖掘的框架体系提出改进。1.2研究现状Web日志挖掘就是对用户访问web站点时留在服务器上的web访问日志进行数据挖掘，即对用户访问Web站点的浏览模式进行挖掘。当前，关于电子商务个性推荐的研究已经很多，主要是基于日志文件进行数据挖掘，发现用户的浏览路径，对用户聚类分析，分类分析，关联分析和序列分析等，到现在为止已经有很多有价值的研究成果。目前，web 日志挖掘主要有两类方法：一是先将web 日志的数据映射进关系数据库当中，之后选择适当的数据挖掘技术进行挖掘；一是先将web 日志数据进行预处理，之后再选择恰当的数据挖掘技术对日志数据进行挖掘。1.2.