王飞[1]2006年在《面向电子商务的web数据挖掘的研究与设计》文中研究说明数据挖掘是指从大量的数据中自动地提取出有价值的知识和信息。数据挖掘已成为数据库技术和机器学习方面的重要的研究课题。当前，World Wide Web正向应用的深度和广度方面迅速发展。将数据挖掘的思想和方法应用到Web上，解决WWW中遇到的一些问题，从而形成了Web数据挖掘(Web mining)这样一个新的研究方向。Web数据挖掘是指针对包括Web页面内容、页面之间的结构、用户访问信息、电子商务信息在内的各种Web数据，应用传统数据挖掘方法以发现有用的知识，帮助人们从WWW中提取知识，改进站点设计，更好地开展电子商务。电子商务是指个人或企业通过Internet网络，采用数字化电子方式进行商务数据交换和开展广告、推销、购买商品或服务等商务活动。相对于传统商务活动，电子商务具有不受地域限制、节省成本等众多优点本文对Web数据挖掘在电子商务中的应用进行了研究，主要做了以下工作：1．总结了数据挖掘研究现状及最新进展。提出了数据挖掘逻辑模型及存在的一些问题。2．描述了Web数据挖掘技术，Web数据挖掘的过程、数据源及用途。3．讨论了在电子商务中如何有效地利用几种可行的数据挖掘技术，如、关联规则分析、序列模式分析、分类分析和聚类分析等挖掘出用户的购买模式及浏览模式，并就其中的路径分析和序列模式分析提出了实现的方法。4．论述了Web访问信息挖掘的一般过程，将传统数据挖掘过程中的各种关键技术，如数据预处理，聚类算法，关联规则、序列模式发现等引入到对于Web信息的挖掘活动中，并通过一系列的实验进行验证及评价，在以上工作的基础上，设计并实现了一个Web数据挖掘原型系统(EWMiner)。web数据挖掘在电子商务里表现为在大型数据库里面搜索有价值的商业信息。数据仓库、数据挖掘技术和Internet／intranet的完美结合，使其在21世纪的电子商务中有广泛的应用前景。
张帆[2]2007年在《WEB数据挖掘在商务网站中的应用实践》文中研究指明电子商务是运用信息技术手段进行的社会经济活动,代表着未来经济运行和贸易发展方向。目前,以基于公共服务平台的商务网站为代表的电子商务形式已成为全球经济的重要增长点之一。本文从电子商务发展的叁个阶段入手,首先讨论了电子商务网站公共服务平台的内涵及其在我国电子商务发展中的重要性,分析了其发展趋势。经过研究,本文指出,在目前我国这种市场环境与制度建设相对滞后和企业信息化程度不高的情况下,电子商务公共服务平台已成为目前我国发展电子商务的突破口,在商务网站公共服务平台里,如何更好的为网站会员企业提供服务是加快电子商务发展的重要因素。基于这一思想,为满足客观需求,在导师的指导下,本文分析了Web挖掘的特点、过程及其应用,设计了一套针对性的商务网站Web挖掘系统,建立了系统的功能模型和逻辑模型,并针对模型建立了六个层次,包括;数据采集、数据预处理、数据存储、模式发现、模式分析利用及用户界面。然后,按照WEB挖掘过程的发生顺序,对系统中数据预处理、模式发现等关键技术进行了深入分析。在系统详细设计分析的基础上,本文着重介绍了作者在应用Web挖掘技术方面的实践,建立了核心的数学模型算法,在从URL/USERID关联矩阵到Hamming矩阵的计算过程中,作者对向量归一进行了改进,从而使得到的用户偏好值更可靠,又在模型的基础上进行实例模拟,对一段简化的商务网站日志进行模拟计算,在这之后,通过作者聚类模块功能的实现,系统对商务网站web日志进行了聚类划分,最终系统输出得到产品偏好相似会员及网站频繁访问路径。文章最后,结合案例对Web挖掘系统在商务网站上的整个运作过程进行分析,制定出相关企业的促销方案和营销策略,有力的证明了通过Web挖掘系统得到的产品偏好相似会员,网站频繁访问路径等统计信息可以达到优化电子商务网站链接结构,辅助企业市场营销计划订制的目的。
曹春静[3]2007年在《基于XML和Web数据的关联规则挖掘研究》文中进行了进一步梳理近十几年来，随着Internet的迅速发展，互联网上的数据越来越趋于庞大。怎样能够有效地利用这些复杂而无章的Web数据、从中发掘出有价值的信息成了现今的研究热点。随着XML的不断发展，互联网上越来越多的信息都开始使用XML表示。XML以其可扩展、平台独立、灵活、规范和简单等特点以及强大的数据表达能力，在网络和其他领域的数据表示和交换方面都扮演着越来越重要的角色。因此，人们迫切地需要寻找一些有效的方法从这些大量的XML数据中提取一些潜在的、有价值的信息和知识。但是Web上的XML数据非常复杂，没有特定的模型描述数据，是半结构化的甚至是无结构的数据。所以，面向XML的数据挖掘技术有着不同于传统数据库上的数据挖掘技术的特点。它对半结构化数据的集成和组织，对挖掘算法的性能都提出了新的挑战。本文根据Web上XML数据的半结构化的特点以及XML查询语言XQuery、．NET DOM对XML操作的支持，针对如何直接从XML数据中提取有价值的关联规则进行了探索性研究。论文首先对XQuery实现的Apriori算法作了比较深入的研究，针对Apriori算法不适应挖掘结构复杂不规则的XML文档数据和挖掘大规模的XML文档数据效率不高的局限分别作了相应地改进。实验表明，改进后的算法能够有效地从XML数据中抽取关联规则。其次，论文也重点探讨了如何使用．NET DOM对XML数据进行直接关联规则挖掘。．NET DOM采用面向对象机制将对XML的操作封装成类库，用其实现的关联规则挖掘算法更符合人类的思维方式，更容易理解。而且，．NET DOM实现的算法的可视化更强，算法编译执行，速度更快。此外，论文从电子商务网站的购物篮数据中抽取了一部分典型的挖掘数据，构造了具体的实验，根据实验的结果对上述两种算法的优缺点进行了对比分析。实验结果表明，在不同的环境需求下，两种算法有着各自的强势和劣势，从而可以指导人们在未来XML的关联规则挖掘过程中，应该根据不同的需求和挖掘环境选择不同的挖掘方法，才能使数据挖掘的效率和性能得到优化。最后，本文提出了一个基于XML和关联规则挖掘的Web挖掘系统的五层架构模型，对该模型的各个功能模块进行了详细地介绍。并且根据该模型，设计了一个面向电子商务网站的基于XML的关联规则挖掘系统模块。该模块能够处理多种数据源，支持多种关联规则挖掘算法以及挖掘结果的可视化表达，具有综合性和可扩展性的特点。
周世东[4]2008年在《Web数据挖掘在电子商务中的应用研究》文中提出随着Internet的迅速发展和普及,一种新型的商务模式——电子商务的发展越来越引起研究者们的关注,人们希望充分利用其优点,获得更多的经济效益。将数据挖掘的思想和方法应用到电子商务中,帮助电子商务网站从海量信息中获得真正有价值的知识,以指导企业决策、为电子商务网站的客户提供更方便的服务成为现在研究的一个热点问题。数据挖掘是随着数据库技术的发展出现的一种全新的信息技术,它融合了数据库、人工智能以及统计学等多种学科的知识,通过对历史积累的大量数据的有效挖掘,试图从这些数据中提取出先前未知、有效和有用的知识。本文在对数据挖掘和Web挖掘的相关概念和功能特点进行详细综述的基础上,进一步研究了Web数据挖掘的主要挖掘方式和具体实现形式;然后探讨了电子商务及个性化推荐系统的定义、分类、特点及数据挖掘技术在其中应用的特点等问题;在以上工作的基础上,本文设计了一个面向Web数据挖掘技术的电子商务平台,同时构建了基于Web使用挖掘的个性化服务推荐系统。本系统通过对Web服务器日志数据的挖掘,获得用户聚类和浏览模式,为不同类用户提供个性化服务。在对个性化服务推荐系统的描述中引入了关联规则的Apriori算法和聚类分析的k-means算法,通过对数据预处理、数据挖掘、推荐模型等一系列问题的解决,研究数据挖掘技术在电子商务中实现的过程,实现个性化服务推荐。最后,给出了本文的总结及对今后工作的展望。
李凤慧[5]2004年在《面向电子商务的Web数据挖掘的研究》文中提出数据挖掘是近年来随着数据库技术和人工智能技术的发展而出现的一种全新的信息技术，它融合了数据库、人工智能以及统计学等多种学科的知识，试图从数据中提取出先前未知、有效和实用的知识。特别是随着Internet的普及和应用，网上的数据资源以每月20％的速度剧增，使Web成为储存、发布以及获取信息的最重要的载体。如何发现Web上大量数据背后隐藏的信息，提高信息利用率，而不被信息所淹没呢?Web数据挖掘技术提供了一种有效的解决方法。 Web挖掘是传统数据挖掘技术在Web环境下的应用，是从Web上的数据(如Web日志、页面内容等)中发现用户的浏览模式或寻找相关的Web页面等。Web挖掘分为Web内容挖掘、Web结构挖掘和Web使用挖掘。其中，Web使用挖掘可以从用户浏览网站的数据中抽取感兴趣的模式，理解用户的浏览兴趣行为，以便进一步改善网站结构，为用户提供个性化服务。 本文综述了数据挖掘的主要方法、常用技术以及挖掘过程；讨论了Web挖掘的定义、分类、流程、应用领域、研究方向以及当前面临的问题；探讨了电子商务、电子商务推荐系统与个性化服务、电子商务中进行Web挖掘的数据源、获取的知识模式以及Web挖掘在电子商务活动中的应用；在以上工作的基础上，设计了一个面向电子商务的基于Web使用挖掘的个性化推荐系统。该系统能够通过对Web服务器日志数据的挖掘，获取用户浏览模式，为用户提供个性化服务，具有很强的实用性。本文详细探讨了该系统各个模块的功能及实现技术，给出了系统的整个工作过程：从原始数据的收集到数据预处理到离线挖掘再到在线推荐直至发送给用户个性化推荐页面，实现个性化服务。重点研究了基于Web使用挖掘中常用的数据预处理技术、模式发现技术以及模式分析技术。
李明晶[6]2008年在《基于web挖掘的电子商务个性化推荐系统研究》文中研究指明随着互联网的普及和电子商务的发展,电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。在日趋激烈的竞争环境下,商品推荐系统能有效留住客户、防止客户流失,提高电子商务企业的销售力及竞争力。商品推荐系统在电子商务系统中具有良好的发展和应用前景,逐渐成为电子商务IT技术的一个重要研究内容,但是随着电子商务系统规模的进一步扩大,商品推荐系统也面临一系列挑战。针对商品推荐系统所面临的主要挑战,本文在以下叁个方面对电子商务推荐系统进行了有益的探索和研究。第一,详细分析了数据挖掘技术的特点和web挖掘的优越性及其在电子商务中的重要作用。然后对电子商务推荐系统进行了介绍和分析,并说明其工作流程。第二,给出了电子商务推荐系统的体系结构框架。在介绍了电子商务推荐系统的概念之后,从日志预处理、模式发现、模式分析和模式应用的各个阶段说明了电子商务推荐系统的工作流程和关键技术。第叁,给出了适合Web日志挖掘的推荐算法。针对电子商务推荐系统面临的实时性挑战,利用模糊聚类技术,对Markov模型进行了分析和改进,利用其对web数据进行分析处理。文中在分析该算法特点之后给出了算法的描述,并说明了该算法的优缺点和改进的方向。但该模型中仍有许多不足之处有待改进:特别是准确性和效率问题。其中提高算法的效率是当前聚类领域中研究的又一个重要问题。随着对Web日志数据的分析和研究的不断深入,我们相信面向用户的电子商务个性化推荐服务将会更加完善。
蒲秋梅[7]2004年在《基于XML的Web数据挖掘技术的研究》文中指出网络技术已经渗透到了社会生活的方方面面，随着Internet在世界范围内的迅速发展，越来越多的数据库和信息系统不断加入网络，使得Internet发展为当今世界上门类最全、规模最大的信息库。伴随计算能力的增长，智能算法的成熟及大规模数据存储技术的成熟，面对缤纷复杂的Web空间，如何从浩如烟海的网络中发掘所需信息成为人们所关注的一个主要问题，Web数据挖掘使解决这个问题的一个有效手段。 本文首先介绍了数据挖掘的一些基本概念、方法和技术、工具，阐明了什么是数据挖掘、为什么要数据挖掘、如何进行数据挖掘、数据挖掘的主要过程、数据挖掘所涉及到的技术、分类及数据挖掘和OLAP(在线分析处理)等的联系等，并介绍了有关数据挖掘发展情况。 在论述了数据挖掘技术理论之后，研究了数据挖掘技术在WWW上的应用，其中，阐述了XML的产生与发展、特点以及和HTML的比较，然后，详细探讨了Web挖掘的内容、流程、任务，它与数据挖掘的联系与区别。在Web上的半结构化数据处理上，利用XML数据抽取技术将半结构化数据映射为结构化数据、建立了一个Web数据挖掘系统的原型Web_mining，目的是提供一个实用的Web挖掘工具的模型，帮助人们更有效地从Web上获取知识。 本文最后在Web挖掘的基础上，将Agent技术引入数据挖掘，提出了一种基于Agent技术的体系结构，并指出了Web挖掘研究的方向、应用前景和它所面临的挑战。
杨毅超[8]2008年在《基于Web数据挖掘的作物商务平台分析与研究》文中认为Web挖掘是利用数据挖掘技术从Web文档和活动中发现有用的知识,运用数据挖掘技术对Web服务器上的日志数据和交易数据进行挖掘,得到用户的查找模式及客户的喜好。并根据挖掘到的结果,增进理解用户群体行为模式,动态地改进服务质量,为用户提供个性化的服务。互联网与农产品销售的的结合日益紧密,农作物电子商务发展和相关商务平台的建立已成为促进农业信息化的综合体系的建立、我国农业发展、农民增收以及城乡协调发展的重要途径。当前的农产品商务网站存在交易模式单一、侧重于一般的产品宣传、支付手段简单,智能化程度低等问题,而对农作物商品的个性化要求较高,由此在农作物商务平台和用户个性化需求之间存在矛盾。本文讨论了在电子商务中如何有效地利用路径分析、关联规则分析、序列模式分析、分类分析和聚类分析等几种可行的数据挖掘技术挖掘出用户的购买模式及浏览模式。本文还构建了一个基于作物商务平台的Web数据挖掘系统原型,在原型中集成了多种数据挖掘技术,在此平台中还通过引入Web日志挖掘,不仅为农作物产品需求者提供个性化服务,而且有利于农作物产品提供商及时了解用户相关信息,满足市场需求。
黄玲[9]2013年在《在电子商务中应用Web数据挖掘的研究》文中进行了进一步梳理互联网的应用使数据增长速度惊人,智能手机、平板电脑、云空间、物联网的推进,促使数据膨胀问题更加严峻。经济全球化需企业家敢于表现,吸引客户注意力,服务好客户,与客户达到互利共赢。而这表现的平台便是利用互联网的电子商务网站。可是平台里依旧有历史遗留问题,即“数据亿万万,价值找不到”。数据如同改革开放,也需要开放,即流通。流通应该顺应时代与技术发展要求,因为拒绝数据意味着拒绝财富。数据“4V”时代已经来临,即数据的“大量化(Volume)、多样化(Vaviety)、快速化(Velocity)、价值化(Value)"、门户站点商情广告、网上银行支付结算、搜索引擎社交网络等多种类型的电子商务以数据的形式正改变着人们的生活。对于激增的存储数据量,剧增的数据复杂度,数据的分析研究者们突破重重困境,找到行之可行的方法,将数据的价值挖掘出来,以帮助数据拥有者能从大量的数据中寻找某些规律性以辅助决策。这个方法便是数据挖掘技术。电子商务是未来经济发动机,在电子商务中运用数据挖掘推荐页面是企业向世界全面展示形象和产品、寻找合作伙伴和扩大销售规模的最佳途径。本文通过数据挖掘技术在新兴的电子商务推荐系统领域的应用进行了初步研究。本人主要完成如下工作：一是系统的论述了目前国内外数据挖掘、电子商务及推荐系统研究的现状。二是简述了在电子商务企业中应用Web数据挖掘技术。叁是阐述了在推荐系统中运用的推荐算法与技术。四是改进推荐Apriori算法,设计了一个基于Web数据挖掘的电子商务推荐系统。推荐系统是本论文的重点。在推荐系统设计之前,先是对推荐系统进行可行性分析,然后是分叁大模块对推荐系统进行设计。这叁大模块分别是数据访问模块、系统架构应用模块和交互用户模块。接下来对这叁大模块进行细分,详细设计了组成数据访问模块的数据收集模块和数据预处理模块,组成系统架构应用模块的OLAP系统架构模块和基于B/S服务的数据挖掘系统模块,及组成交互用户模块的在线推荐模块与模式应用模块。在系统架构应用模块中运用了改进后的Apriori算法,实现关联规则的推理,确定关联页面,形成推荐集。在用户交互模块中显示运行算法后的运行界面,展示推荐系统的个性化服务。虽然在电子商务推荐系统中运用数据挖掘技术能够为商家带来大量的经济价值和利益,但它也是一把双刃剑。商家在收集大量的数据的同时,又面临着数据处理、使用、保管和安全等方面的新挑战。如何有效保护消费者个人的隐私安全等,如何真正利用数据挖掘提升企业的价值,如何在移动互联网时代让更多的数据以非结构化的形式出现,数据挖掘发展还任重而道远。
房晓南[10]2007年在《Web数据挖掘在电子商务推荐系统中的应用研究》文中提出电子商务因其成本低廉、快捷、不受时空限制等优点在全球范围内得到普及和发展,它的规模也在进一步扩大。在电子商务为用户提供越来越多选择的同时,它的结构也变得越来越复杂,电子商务的发展面临这样一个新问题——一方面,用户对网络上提供的众多商品信息并非完全感兴趣,通常要通过多次浏览才能找到满足自己需求的商品;另一方面商家也不能全面了解用户的个人需求,提供给用户的是千篇一律的界面,无法维护稳定的客户关系。缺乏个性化服务成为制约电子商务发展的关键问题。这就要求站点有一个能够分析用户偏好、行为等信息,并且自动根据这些信息向用户提供推荐服务的推荐系统,实现网络上的“一对一营销”。Web数据挖掘就是在这样的背景下与电子商务结合在一起。Web挖掘是从Web文档和Web活动中发现并抽取感兴趣的、潜在的有用模式和隐藏的信息。它将传统的数据挖掘技术和web结合起来,可以在多方面发挥作用,是数据挖掘领域的一个新的研究方向。基于Web数据挖掘的电子商务推荐系统可以满足电子商务未来发展趋势的需要。在文中,分析了目前电子商务的现状和发展趋势,对Web挖掘技术进行了介绍;依据效率和准确性,建立了一个推荐系统模型,并对系统中各个模块功能及它们之间相互协调工作做了详细的描述;深入研究了电子商务推荐系统所使用的推荐算法,重点讨论了目前使用最为广泛的协同过滤推荐算法;在上述研究的基础上设计了基于聚类的协同过滤推荐系统,并对k-means聚类算法进行了改进;最后利用实际网站数据对基于聚类的协同过滤推荐系统的聚类算法进行了实现,给出了系统试验结果,并对结果做出解释和评价。
参考文献：
[1]. 面向电子商务的web数据挖掘的研究与设计[D]. 王飞. 四川大学. 2006
[2]. WEB数据挖掘在商务网站中的应用实践[D]. 张帆. 山东大学. 2007
[3]. 基于XML和Web数据的关联规则挖掘研究[D]. 曹春静. 华东师范大学. 2007
[4]. Web数据挖掘在电子商务中的应用研究[D]. 周世东. 北京交通大学. 2008
[5]. 面向电子商务的Web数据挖掘的研究[D]. 李凤慧. 山东科技大学. 2004
[6]. 基于web挖掘的电子商务个性化推荐系统研究[D]. 李明晶. 北京交通大学. 2008
[7]. 基于XML的Web数据挖掘技术的研究[D]. 蒲秋梅. 武汉大学. 2004
[8]. 基于Web数据挖掘的作物商务平台分析与研究[D]. 杨毅超. 湖南农业大学. 2008
[9]. 在电子商务中应用Web数据挖掘的研究[D]. 黄玲. 湖南大学. 2013
[10]. Web数据挖掘在电子商务推荐系统中的应用研究[D]. 房晓南. 山东师范大学. 2007
标签：互联网技术论文; 电子商务论文; 数据挖掘论文; 关联规则论文; 推荐算法论文; 推荐系统论文; 数据挖掘算法论文; web技术论文; 用户研究论文; 电子商务模式论文; 电子商务环境论文; 电子商务类型论文; 用户分析论文; xml技术论文; 系统日志论文; 网站分析论文; 数据分析论文;