2018数据挖掘技术在电子商务推荐中的应用
数据挖掘技术在电子商务推荐中的应用摘要：随着互联网的普及应用和现代电子商务的迅猛发展，推荐系统逐渐成为电子商务IT技术的一个重要研究内容，得到了越来越多研究者的关注。一个完善的电子商务系统不应当只有在线交易功能，而且应该能够通过商业智能分析等技术为商业运作提供辅助支持，尤其在这样一个信息爆炸的时代。如今电子商务系统累积的大量信息数据，企业迫切希望通过对这些信息的有效组织利用，能够从中获取有利于商业运作、提高竞争力的信息。这种需求推动了用于电子商务的数据挖掘技术研究的深入。
关键词：数据挖掘技术；电子商务；应用
中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)27-6588-02
Data Mining Technology in the Electronic Commerce Recommendation Applications
XU Xian-wen, ZHENG Sha-jun
(Fuzhou University College of Mathematics and Computer Science, Fuzhou 350108, China)
Abstract: With the popularization of Internet application and the rapid development of electronic commerce, electronic commerce recommendation system has gradually become the IT technology is an important research content, has got more and more attention of researchers. A perfect electronic commerce system should not only on-line transaction function, but also should be able to adopt commercial intelligence analysis technology for commercial operation to provide support, especially in such an age of information explosion. Nowadays electronic commerce system accumulated a large amount of data, the enterprise wants through to these information is effective use of tissue, to be able to gain favor business operation, to improve the competitiveness of the information. The demand for the electronic commerce data mining technology research. 论文代写 http://
Key words: data mining; electronic commerce; application
1 数据挖掘技术
近年来，数据挖掘技术引起了信息产业界和整个社会的极大关注，其主要原因是存在可以广泛使用的数据，并且迫切需要将这些数据转换成有用的信息和知识。数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间的关系过程。使用这些模型和关系可以进行预测，它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，是解决当今时代所面临的数据爆炸而信息匮乏的问题的一种有效方法。
数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。商业角度的定义:数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据，是一类深层次的数据分析方法。数据挖掘是一门广义的交叉学科，它在金融、保险、电信、大型超市等积累有大量数据的电子商务行业有着广泛的应用，如信用分析、风险分析、欺诈检验、用户聚类分析、消费者习惯分析等。
2 电子商务推荐系统
电子商务推荐系统（Personalized Recommend Systems for E-Commerce）的正式定义由 ResnickVarian 在 1997 年给出:电子商务推荐系统是利用电子商务网站向用户提供产品信息和相关建议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统。
电子商务推荐系统如同采购助手，根据用户的兴趣爱好，向用户提供商品推荐，帮助用户在尽量短的时间找到所需商品，满足其个性化的需求，从而顺利完成购买过程。电子商务推荐系统不仅能为用户提供个性化的推荐服务，而且能给电子商务网站带来丰厚的商业利益。主要体现在以下几个方面：
1) 将电子商务系统的浏览者转变为购买者。已有明确购物目标的客户也许会通过搜索功能找到自己需要的商品，但对于大多数的冲浪者和模糊的购买者，很难有耐心逐项查找是否有自己感兴趣的东西，如果这个时候推荐系统能够有针对性地向其提供合适的商品推荐，往往可以将一个浏览者变为购买者。
2) 促进销售。电子商务推荐系统在用户购买过程中向用户推荐其它商品，用户能够从推荐商品中购买自己确实需要但又没想到的商品，从而有效提高销售量。比如向购买面包和黄油的顾客推荐牛奶，从而增加商品的销售，提高销售利润。
3)提高用户的满意度和忠诚度。与传统的商务模式相比，电子商务推荐系统分析用户的购买行为习惯，根据用户需求向用户提供有价值的商品推荐，用户容易的购买到自己需要的商品，那么用户会再次访问并推荐给其他人。
3 电子商务推荐中的数据挖掘技术 论文网 http://
数据挖掘按照其挖掘任务主要包括关联规则挖掘、聚类分析、分类和预测、回归发现和序列模式发现等技术。在选择某种数据挖掘技术之前，首先要将需要解决的问题转化成正确的数据挖掘任务，然后根据挖掘的任务来选择使用哪些数据挖掘技术。 在电子商务推荐活动中，主要使用下面的一些数据挖掘技术。
1) 关联规则(Association Rule)：关联规则的挖掘就是为了在交易数据库中发现两个或两个以上的商品(项)之间的有意义关联或相关联系，从而描述了一个事物中某些属性同时出现的规律和模式。关联规则挖掘的典型例子是购物篮分析或销售历史记录分析，其中的一个例子就是90%的客户在购买面包的同时也会购买牛奶，其意义就是顾客在购买某些商品的时候有多大可能会同时购买另外一些东西。显然，这种关联规则反映了顾客的购买习惯。如果商家能够充分利用这些购买习惯，就可以增加商品的销售，提高销售利润。论文联盟
2) 聚类分析(Clustering)：聚类分析是将数据点集合分成若干类或簇，使得每个簇中的数据点之间最大程度地相似，而不同簇中的数据点最大程度地不同，从而发现数据集中有效的、新颖的、可以理解的数据模式分布。在电子商务数据挖掘应用中包含页聚类和用户聚类。页聚类是将内容相关的页面归在一个网页组，常用于网上搜索引擎及提供上网帮助。用户聚类是将具有相似喜好特性的用户归在一起，从而动态地为用户定制观看的内容或提供浏览建议。聚类分析可以方便用户查询和浏览，增强广告的作用，促进网上销售和提高用户忠诚度等。http://
代写论文 http://
页:
[1]