电子商务数据挖掘与知识分析教学大纲.docxVIP

PAGE PAGE 1 PAGE PAGE 4 《电子商务数据挖掘与知识分析》教学大纲 课程编号 051861A 课程性质 专业选修课 学 时 32 学 分 2 适用专业 信息管理与信息系统、电子商务 Ⅰ 大纲本文 一、课程内容 （一）引言 什么激发了数据挖掘，为什么它是重要的 什么是数据挖掘 在何种数据上进行数据挖掘 数据挖掘功能 所有模式都是有趣的吗 数据挖掘系统的分类 数据挖掘的主要问题 （二）数据仓库和数据挖掘的OLAP 技术 什么是数据仓库 多维数据模型 数据仓库的系统结构 什么是数据仓库 数据仓库的实现 从数据仓库到数据挖掘 小结 （三）数据预处理 为什么要预处理数据 数据清理 数据集成和变换 数据归约 离散化和概念分层生成 小结 （四）数据挖掘原语、语言和系统结构 数据挖掘原语：定义数据挖掘任务 一种数据挖掘查询语言 根据数据挖掘查询语言设计图形用户界面 数据挖掘系统的结构 小结 （五）概念描述：特征化与比较 什么是概念描述 数据概化和基于汇总的特征化 解析特征化：属性相关分析 挖掘类比较：区分不同的类 大型数据库中挖掘描述统计度量 讨论 小结 （六）挖掘大型数据库中的关联规则 关联规则挖掘 由事务数据库挖掘单维布尔关联规则 由事务数据库挖掘多层关联规则 由关系数据库和数据仓库挖掘多维关联规则 由关联挖掘到相关分析 基于约束的关联挖掘 小结 （七）分类和预测 什么是分类，什么是预测 关于分类和预测的问题 用判定树归纳分类 贝叶斯分类 后向传播分类 基于源自关联规则挖掘概念的分类 其他分类方法 预测 分类法的准确性 小结 （八）聚类分析 什么是聚类分析 聚类分析中的数据类型 主要聚类方法的分类 划分方法 层次方法 基于密度的方法 基于网格的方法 基于模型的聚类方法 孤立点分析 小结 （九）数据挖掘在电子商务中的应用 Web 挖掘 电子商务数据挖掘系统的例子 二、课外作业与习题 （一）各章布置相应习题供学生课外练习，以巩固所学内容。习题来源可从教材或相关参考书中选取。 要求学生按时独立完成。对于各次作业中出现的问题，教师应及时在课堂上予以讲解，必要时安排专门的 习题课。教师在授课过程中应随时提问，注意学生的反馈信息，针对课程中的某些重点和难点问题灵活组 织课堂讨论，以调动学生的积极性，并巩固教学内容。 三、实验 无 四、实习或上机内容 无 五、课程设计内容 无 六、建议选用的教材及主要参考书 教 材：《数据挖掘概念与技术》，[加]Jiawei Han，Micheline Kamber， 机械工业出版社，2001 参考书：《面向对象的数据仓库设计》，[美]William A.Giovinazzo， 人民邮电出版社，2001 大纲说明 一、课程的目的和任务 在过去的数十年中，产生和收集数据的能力已迅速提高。起作用的因素包括条码在大部分商业产品中 的广泛使用，许多商务、科学和行政事务的计算机化，internet 的流行和普及，以及由文本和图像扫描平台到卫星遥感系统的数据收集工具的进步。存储数据的爆炸性增长已激起对新技术和自动工具的需要，已 帮助我们将海量数据转化成信息和知识。数据挖掘技术在这种情况下应运而生。 数据挖掘是数据库研究、开发和应用最活跃的分支之一。本课程从数据库角度全面、系统地介绍数据 挖掘的基本概念、基本方法和基本技术以及数据挖掘的最新进展，使学生对数据挖掘的整体结构、概念和 技术有深入的认识和了解，并能解决数据挖掘的实际问题。 二、课程的具体要求 （一）了解挖掘系统的基本结构、数据挖掘系统的分类 （二）了解数据仓库和数据挖掘的OLAP 技术系统的分类 （三）熟悉数据清理、数据集成和转换、数据规约的方法 （四）掌握数据挖掘查询语言(DMQL) （五）了解概念描述技术，包括特征和区分 （六）掌握事务数据库以及关系数据库和数据仓库中挖掘关联规则的方法 （七）了解数据分类和预测的方法 （八）了解聚类分析方法 （九）了解数据挖掘在电子商务中的运用 三、本课程着重讲解的内容 （一）着重介绍数据挖掘系统的基本结构、数据挖掘系统的分类 （二）着重讲解数据立方体机构，以及数据仓库和数据挖掘的关系 （三）着重讲解数据清理、数据集成和转换、数据规约的方法 （四）着重介绍数据挖掘查询语言(DMQL)，给出数据挖掘查询的例子 （五）着重介绍概念描述技术，包括特征和区分 （六）着重介绍事务数据库以及关系数据库和数据仓库中挖掘关联规则的方法 （七）着重介绍数据分类和预测的方法 （八）着重介绍聚类分析方法 （九）着重介绍数据挖掘在电子商务中的应用 四、本课程与其它课程的联系与分工 数据挖掘是一个多学科领域，从多个学科汲取营养。这些学科包括数据库计算、人工智能、机器学习、 神经网络、统计学、模式识别、知识库系统、知识获取、信息