背景知识and数据挖掘前准备etc.pptVIP

《数据挖掘技术在大型零售书店的若干应用》 《基于WEB数据挖掘技术的书店电子商务系统的设计与实现》 《购物篮分析中若干问题的研究》 《数据挖掘技术在图书馆信息服务中的应用》 《数据挖掘技术及其在高校图书馆中的应用》 《关联规则挖掘在网上书店系统中的应用》 《浅析数据挖掘技术及其在电子商务中的应用》 《数据挖掘在网络营销中的应用》 《浅析数据挖掘的研究现状及其应用》 《数据挖掘的商务应用前景》 《数据挖掘技术发展及其应用》 《数据挖掘技术与读者个性化服务》 《Web 数据挖掘技术在网上书店中的应用》 《电子商务中WEB数据挖掘技术的应用》 《Data mining techniques for customer relationship management》 * 1.3　零售图书业数据挖掘的应用前景 应用计算机之前： ——所有业务都是手工处理； ——图书管理方式：卡片处理； ——卡片的查询：四角号码； 应用计算机之后： 初期： ——减轻劳动量为目的； ——对每种图书建立了资料，代替原来的卡片； ——慢慢地，POS机，条形码、编码技术、基于POS Server的信息管理系统、财务管理软件陆续进入零售图书业。 在零售图书应用领域，利用数据挖掘将会在很多方面有卓越表现： １、了解销售全局； ２、图书分组布局； ３、降低库存成本； ４、市场和趋势分析； ５、有效的图书促销； 第七章 功能： 传统的统计分析： ——销售统计分析； ——采购统计分析； Web挖掘技术实现： ——购物篮分析； ——客户流失分析； ——客户细分； ——促销分析； ——个性化推荐分析 零售业： 收集了大量的数据： ——销售数据、顾客购买历史数据、商品运输数据、消费服务记录etc； 数据分析可以： ——识别顾客购买行为、发现顾客购买模式、购买趋势、提高顾客服务质量etc； 应用实例： ——设计、构造面向零售业数据挖掘的数据仓库； ——销售、顾客、产品、时间、区域的多维数据分析； ——销售策略效果分析； ——顾客忠诚度分析； ——购买推荐etc. 数据挖掘面临的挑战： ——人们对数据挖掘寄予了太高的期望； 　　目前数据挖掘系统只建立了一些通用的算法，而人们的需求多种多样、复杂多变，还包含了复杂的专业背景知识。 ——数据挖掘与用户目标出现了脱节的现象； 　　数据挖掘专家专注于从一大堆他并不熟悉的数据中挖掘他也不知道是否有用的知识，为了不遗漏，他们总是尽可能的挖掘出所有的知识。这样就带来的大量的冗余知识。用户必须从中筛选出对他有用的，大大加重了用户的负担。 1.3个性化信息服务是图书馆发展的要求 ——传统的信息服务方式已不能满足读者的需要，资源数字化及个性化推荐系统的建立已成为发展趋势； ——个性化服务：通过对用户个性、使用习惯的分析主动地向用户提供和推荐其可能需要的信息； 个性化信息服务内容： ——个性化Web网页定制； ——信息主动推送服务； ——图书馆个性化服务系统MyLibrary； ——专业化网上定题信息服务等等。 1.4关联分析在图书推荐服务中的作用 传统的检索： ——输入关键词后浏览信息； ——需要读者具备相关专业的知识，对自己的需要有着明确的认识； 图书推荐服务： ——采取主动的方式，向读者提供他可能感兴趣的信息； ——降低了对读者的要求； ——节约了读者寻找资料的时间，同时提供了更丰富的信息； 4　结语 ——数据挖掘技术应用于图书推荐服务，比传统的检索服务有更大优势； ——这种图书推荐模型可以应用于其他相近领域，例如书店、网络文献数据库等等； ——最小支持度和最小置信度的选择会影响到处规则的数量和规则涉及概念层的高低，权重计算公式的确定也会影响项集的支持度。 2　数据挖掘在高校图书馆的应用 ——高校图书馆的自动化系统积累了历年采访编目、借阅流通状况、检索请求及馆藏书目库等海量数据，为数据瓦局提供了丰富的资源； ——识别读者的借阅行为，发现读者的借阅模式和趋势，为读者提供个性化的信息服务，达到更好的读者保持力和满意程度； ——为图书馆的决策、管理及建设发展提供信息资源与服务； 具体应用举例如下： 2.1读者借阅趋势分析 ——分析读者的节约变化，然后对文献资源加以调整； ——对于借阅频率大且连续续借的数目，应增加复本，以提高服务质量； 2.2书库管理中的应用 ——图书的剔旧和大量新书入库都会让书库经常倒架排列，而增加工作人员的工作量； ——可以利用数据挖掘技术对历年相关数据进行分析，预测较大的图书种类并为其预留架位； 2.3借阅推荐 ——可挖掘关联信息：借阅某种文献的读者很可能借阅其他一些文献，可形成一定的借阅推荐； ——借阅推荐可在高校图书馆网站上宣传，帮则读者选择文献，增加读者对文献资源的使用率； 2.4文献资源的优化配置 ——由于经费有