数据挖掘在电子商务中的应用

数据挖掘技术作为解决“数据爆炸”时代出现的“信息缺乏”的最有效手段之一,受到了企业界的极大关注。文章阐述了电子商务中数据挖掘技术的框架、数据资源、专业人员、基本方法,分析了数据挖掘在电子商务中的具体应用。     

数据挖掘技术及在电子商务中的应用

数据挖掘（Data Mining)被认为是解决“数据爆炸”和“数据丰富,信息贫乏（Data Rich and information Poor)”是一种有效方法,本文对数据挖掘的基本原理作了阐述,分析了数据挖掘的流程及主要功能,介绍了数据挖掘工具的算法和特点,并结合具体实例说明了数据挖掘在电子商务中的应用。     

一种实用的软件数据挖掘模型

文中提出了一种将数据挖掘应用于软件工程学中的模型,数据挖掘是一个涉及多领域的交叉学科,它拥有许多成熟的技术。其中,基于“部分重复性”理论的挖掘方法便是数据挖掘的重要技术之一。在对复杂数据的处理过程中,“部分重复性”理论通过建立“中心函数”、“浮动域”和“正确度”指标,提供了一种分类优劣的评价标准。与传统方法相比较,这种方法更加直观、更加高效、更加易于实现,而且能够发现有价值的知识模式。     

对数据挖掘技术的探讨

进入信息社会以来，各类数据、信息急剧地增长，具有海量、冗余的性质，这时人们开始考虑：如何才能不被信息淹没，并且能从中及时发现有用的知识，以提高信息的利用率，而这个任务就落在数据挖掘的身上。数据中蕴涵着知识．数据挖掘正是从大量数据中提取或“挖掘”知识，从而实现从“数据→信息→知识”的过程，为各信息技术领域的发展提供强大的支持。在下文中，将对数据挖掘这种技术进行讨论．     

数据挖掘方法与可视化

迄今为止，数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现，而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化；在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术，最后提出了未来的研究方向。     

基于MapReduce与距离的离群数据并行挖掘算法

数据挖掘技术是解决数据丰富而知识贫乏的有效途径,离群数据挖掘是数据挖掘领域中的重要研究内容之一,已广泛应用于网络入侵检测,信用卡诈骗,垃圾邮件的分析和基因突变分析等领域. 在高维海量数据中,由于数据量大和维度高,严重影响了离群数据挖掘的精度和效率. 本文在KNN基础上,通过定义“解集”的概念,在MapReduce编程环境下,实现了一种基于距离的离群数据挖掘算法. 分别采用人工数据集和UCI数据集,实验验证了该算法在不同条件下,参数对算法性能的影响.     

专家寄语

随着大数据时代的到来,数据挖掘迎来了自己的黄金时代.各行各业都已经积累了大量数据,急需从中即提取或“挖掘”出有用的潜在知识,为相关行业和学科提供更加科学合理的服务.由此,数据挖掘吸引了越来越多不同领域的研究学者,涉及机器学习、模式识别、数据库、数学、统计学、物理学、生物信息学、中文信息处理等不同的学科.为了给数据挖掘的同行提供一个公开交流的机会,中国计算机学会组织了两年一届的数据挖掘学术会议.2014年中国数据挖掘学术会议在浙江金华浙江师范大学成功举办.     

浅析数据挖掘的研究现状及其应用

随着计算机、网络技术的发展,获得有关资料非常简单易行。但对于数量大、涉及面宽的数据,传统统计方法无法完成这类数据的分析。因此,一种智能化的、综合应用各种统计分析、数据库、智能语言来分析庞大数据资料的“数据挖掘”(DataMining)技术应运而生。首先文章较全面的回顾了数据挖掘技术的研究现状,并且详细介绍了目前数据挖掘技术的一些应用示例,并提出了在数据挖掘中一些问题。     

浅说数据挖掘

一、发掘数据中的隐藏趋势数据挖掘是数据仓库中最重要的应用之一，它是被称为“知识发现”大处理过程中的一部分。由于描述了保证获得有意义结果所必须采取的步骤，知识发现处理过程是成功地实现数据挖掘的基础。一般来说，数据挖掘能够揭示隐藏的模式和关系。在认识到数据挖掘技术的重要性之后，IBM公司在世界上率先开发了一整套被称为“智能挖掘机（IntelligentMiner）”的应用工具。需要说明的是，数据挖掘并非一些人想象中的魔法，——数据挖掘工具不会驻扎在数据库中，监视数据库里发生的一举一动，当发现有趣的趋势时，便自动发出…     

对数据挖掘技术的探讨

进入信息社会以来,各类数据、信息急剧地增长,具有海量、冗余的性质,这时人们开始考虑:如何才能不被信息淹没,并且能从中及时发现有用的知识,以提高信息的利用率,而这个任务就落在数据挖掘的身上。数据中蕴涵着知识,数据挖掘正是从大量数据中提取或“挖掘”知识[1],从而实现从“数据→信息→知识”的过程[2],为各信息技术领域的发展提供强大的支持。在下文中,将对数据挖掘这种技术进行讨论。     

财务数据仓库和数据挖掘技术应用简介

本文以研究数据仓库和数据挖掘技术为基础,通过对财务数据仓库与数据挖掘技术特点的分析,提出了企业财务数据仓库,综合利用现有业务信息,提供了决策系统支持框架。通过数据仓库技术进行数据的集成,运用数据挖掘技术实现信息价值的提升,使得企业财务管理得到深度应用。     

SAS数据挖掘在钢铁终轧温度控制中的应用

企业可以通过数据挖掘技术实现从数据到信息、信息到知识的提炼，这能为公司的生产经营决策提供有效支持。SAS数据挖掘技术是众多数据挖掘方法中的佼佼者，它在大型企业中得到很好的应用。介绍了数据挖掘的基本知识，以及SAS数据挖掘技术在钢铁企业生产管理中的应用实例。通过SAS数据挖掘的深层次分析，在热轧钢卷终轧温度控制管理中，找到了降低缺陷钢卷数量的有效途径：即推广低温轧制技术以及减少同一热轧带钢上的终轧温度差。     

数据挖掘技术在教学中的应用

在对数据挖掘技术的概念、挖掘过程和常用方法等知识进行简单介绍的基础上,就如何在日常的教学中应用数据挖掘,从中得到教学上需要的信息等内容进行了探讨,从而为我们的教育事业添砖加瓦。     

数据挖掘技术在教学中的应用

在对数据挖掘技术的概念、挖掘过程和常用方法等知识进行简单介绍的基础上．就如何在日常的教学中应用数据挖掘，从中得到教学上需要的信息等内容进行了探讨．从而为我们的教育事业添砖加瓦：     

关联规则挖掘在零售业交叉销售中的应用

数据挖掘是商务智能中经常使用的一项重要技术,能够帮助人们从海量数据中挖掘出与企业决策有关的信息,以应对日益激烈的市场挑战。利用关联规则算法对零售业交叉销售进行分析,结合数据挖掘软件C lem en tine分析了关联规则挖掘在零售业交叉销售中的实际应用。     

浅谈基于云计算的数据挖掘技术

21世纪是信息的时代,然而在这个信息大爆炸的时代,数据无疑是这个时代的主宰者,尤其对于一个企业而言,能否挖掘出潜在的有价值的数据在一定程度上将决定一个企业的经济命脉,因此数据挖掘也变得尤为重要。可是随着信息技术的发展,传统的挖掘方式已经不能满足海量数据的挖掘,而云计算的出现使解决这一难题成为可能,可以说云计算的到来给数据挖掘技术带来了一场革命性的改变。本文介绍了云计算的定义、特点以及应用于数据挖掘中的优势,并简单讨论了基于云计算的数据挖掘技术热点问题以及数据挖掘技术所面临的挑战。最后畅谈了基于云计算的数据挖掘技术的未来发展趋势以及自己的感想。     

电子商务中数据挖掘技术的应用研究

随着电子商务的普及和数据挖掘技术的发展,将数据挖掘技术应用到电子商务中可以解决电子商务中数据量庞大的问题,从而获得真正有价值的信息。文章简要的介绍了电子商务以及数据挖掘的概念,并针对电子商务中所使用到的分类、聚类分析、关联规则挖掘、序列模式分析等主要数据挖掘技术进行了详细的分析,这些数据挖掘技术的使用可以帮助企业节省开支,细分市场,规划网站以及制定合理的营销策略,从而促使电子商务能更好、更快的进行。     

基于WEB挖掘的企业营运能力绩效评价模型的研究

企业的Web日志中蕴藏着丰富的信息.首先从企业绩效的角度出发,提出以企业营运能力的绩效评价为目标的Web被访信息的空间存储模型,模型中存储了访问时间序列、访问轨迹和评价指标等信息;然后将绩效评价体系的理论、基于Web的信息技术、数据挖掘技术集成,利用关联规则挖掘算法实现对因特网内的大范围Web日志的内容分析和主题挖掘,建立了基于Web挖掘的企业绩效方法.该模型为企业进行绩效评价提供了一种新思路.     

企业级客户信息挖掘分析与研究

本文将数据挖掘技术应用于企业级客户信息分析中,收集各行业企业信息数据,利用datastage工具,建立数据仓库,预计客户分布情况和潜在客户源。对客户按区域、行业分类,挖掘客户同级别竞争对手企业信息,及企业在同行中的定位,最后总结了企业级客户信息挖掘分析的应用。