數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用與實(shí)現(xiàn).pdf

1、如何從海量電子商務(wù)數(shù)據(jù)集中去發(fā)現(xiàn)有用的新規(guī)律和新概念,提高人們對(duì)大量、看似不相關(guān)數(shù)據(jù)的更深層次的理解與認(rèn)識(shí),并為之利用是數(shù)據(jù)挖掘的目的所在和主要研究任務(wù)。數(shù)據(jù)挖掘技術(shù)是目前國(guó)內(nèi)外數(shù)據(jù)庫(kù)和信息決策領(lǐng)域最前沿的研究方向之一,同時(shí)也是學(xué)術(shù)界和商業(yè)界共同關(guān)注的熱點(diǎn)問(wèn)題。
　　 針對(duì)關(guān)聯(lián)規(guī)則傳統(tǒng)經(jīng)典算法Apriori有可能產(chǎn)生大量的候選集,以及可能需要重復(fù)掃描數(shù)據(jù)庫(kù)的缺點(diǎn)。提出了一種改進(jìn)的L_Apriori算法,改進(jìn)算法立足于在挖掘項(xiàng)數(shù)最

2、大頻繁項(xiàng)目集時(shí),不再訪問(wèn)全部數(shù)據(jù)庫(kù),僅關(guān)心數(shù)據(jù)庫(kù)中項(xiàng)目數(shù)大于或等于最大頻繁項(xiàng)目集的事務(wù)。改進(jìn)算法節(jié)省存儲(chǔ)空間,尤其適用于稀疏數(shù)據(jù)。算法通過(guò)仿真實(shí)驗(yàn)證明:在數(shù)據(jù)庫(kù)數(shù)據(jù)記錄數(shù)為10000條時(shí)能提高挖掘速度。
　　 論文從課題研究目的出發(fā),概述了數(shù)據(jù)挖掘過(guò)程、數(shù)據(jù)挖掘技術(shù)及基本理論；重點(diǎn)研究討論了經(jīng)典關(guān)聯(lián)規(guī)則算法Apriori,并從實(shí)例出發(fā),分析了該算法存在的一些問(wèn)題,并詳細(xì)論述了改進(jìn)算法L_Apriori的理論依據(jù)、改進(jìn)算法模型設(shè)計(jì)

3、、算法實(shí)現(xiàn)程序設(shè)計(jì)等。最后,論文以研究改進(jìn)算法為基礎(chǔ),以實(shí)現(xiàn)實(shí)用系統(tǒng)為目的,介紹了基于電子商務(wù)的數(shù)據(jù)挖掘系統(tǒng)的設(shè)計(jì)目標(biāo)與設(shè)計(jì)思路。
　　 該系統(tǒng)主要分為三個(gè)功能模塊,會(huì)員分析挖掘模塊、商品分析挖掘模塊、預(yù)測(cè)推薦挖掘模塊。會(huì)員分析挖掘模塊主要包括分析會(huì)員個(gè)人信息、級(jí)別、客戶(hù)流失原因模式。商品分析挖掘模塊主要包括商品的銷(xiāo)售分析,商品的銷(xiāo)售關(guān)聯(lián)分析。預(yù)測(cè)推薦挖掘模塊根據(jù)會(huì)員以前的購(gòu)買(mǎi)信息,根據(jù)算法挖掘出的關(guān)聯(lián)關(guān)系為他推薦可能感興趣的商