基于Web数据挖掘的电子商务推荐模型研究

当前电子商务推荐系统的推荐精度和实时性是一对矛盾,针对这个问题,以Web数据挖掘技术在电子商务推荐系统中的应用为重点,设计一个基于Web挖掘的电子商务推荐系统应用框架,整个体系结构分为离线部分和在线部分两部分,并且对在线模块的各部分功能进行详细的介绍.     

基于Web挖掘的电子商务推荐系统应用研究

以Web挖掘在电子商务推荐系统中的应用为重点,设计一个基于Web挖掘的电子商务推荐系统应用框架,并详细的分析了它的组成部分.＃     

Web使用挖掘在电子商务中的应用研究

电子商务是新兴的现代商业模式,Web数据挖掘是先进的信息处理技术,把Web挖掘应用于电子商务是一个十分有意义的研究方向。本文在简单介绍Web挖掘的基础上,重点介绍了Web使用挖掘及其在电子商务中的应用。并且提出了一种应用于电子商务环境,基于客户选择的,运用Web使用挖掘技术的个性化推荐方法。     

针对电子商务的Web数据挖掘技术的应用研究

本文首先对Web挖掘和数据挖掘技术的基本概念以及功能特点进行了详细的介绍,继而针对Web数据挖掘的具体实现形式和主要挖掘方式进行了详细的研究;进一步探讨分析了电子商务和个性化推荐系统定义、概念及其特点等问题,此外详细研究了Web数据挖掘技术在电子商务中的应用特点等问题;旨在为设计出一个基于Web数据挖掘技术的电子商务平台而提供研究基础,此外在上述大量工作的基础上,建立一个个性化的服务推荐系统.     

Web数据挖掘技术及应用研究

大数据时代的到来,推动了Web数据挖掘技术的快速发展与应用.文章重点探讨了数据挖掘与Web数据挖掘的基本概念,阐述了Web数据挖掘的分类及挖掘流程,并对Web数据挖掘的常用技术手段及在电子商务中的具体应用进行了探讨和研究.     

基于WUM的个性化智能站点的研究

Internet和电子商务的发展带动了Web数据挖掘技术的发展.本文提出了针对提高Web服务质量的解决方案:采用WUM为核心技术,建立一个智能Web站点,通过建立与更新用户模式库,个性化地为用户的访问提供推荐服务.     

Web记录挖掘及其在旅游电子商务中的应用

介绍Web挖掘技术,特别是Web记录挖掘过程.利用Web记录挖掘技术和推荐引擎技术,帮助旅游电子商务企业建立个性化的旅游网络,为旅游者推荐旅行计划,提高网站的预订率,让旅游企业获利.     

Web使用挖掘技术在电子商务中的应用

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,使企业提供个性化信息服务和开展有针对性的电子商务活动.分析了Web使用挖掘技术的主要特点,提出了Web使用挖掘技术在电子商务中的应用方法,并对其挖掘过程进行了详细地阐述,最后给出了一个电子商务中Web使用挖掘的具体实例.     

面向电子商务的Web挖掘技术及其应用研究

电子商务过程中企业和组织面临一系列网络信息的获取问题,对解决这些问题的Web内容挖掘、Web结构挖掘、Web使用挖掘技术进行了综述,并介绍了Web挖掘技术在智能搜索引擎、企业危机管理、客户关系管理及个性化服务系统中的应用。     

改进的关联规则算法在电子商务中的应用

Web日志数据中保存有大量用户访问信息,而Web日志挖掘就是对系统日志信息以及用户的注册数据等进行挖掘,以发现有用的模式和知识。首先介绍了Web日志挖掘的基本流程,然后介绍了电子商务中的日志挖掘,并着重分析了在模式识别中如何利用改进的关联规则算法来挖掘出用户频繁访问的路径和页面兴趣度,为个性化推荐系统模型提供了依据,从而证实了对Web日志数据进行挖掘具有很重要的现实意义。     

Web使用模式挖掘技术在网站营销中的应用

Web使用模式挖掘是Web数据挖掘的重要内容之一，其应用领域非常广泛。将Web数据挖掘技术应用于电子商务网站的营销中，可发现许多有用的信息，有效地使用这些信息可促进电子商务网站的发展。     

基于Web Mining的推荐系统

推荐系统(Recommender System)被电子商务站点用来向顾客提供信息以帮助顾客选择产品,其基本思想是以统计结果或者顾客以前的行为记录为依据,推测顾客未来可能的行为并给出相应的推荐。本文对基于传统技术和Web mining技术的推荐系统进行了简要综述,同时描述了基于Web mining技术的推荐系统的工作流程,重点分析了应用于推荐系统的各种具体Web mining技术及其算法比较。     

基于Web挖掘的个性化网络学习系统设计

设计了一种基于Web挖掘的个性化网络学习系统,该系统给出了Web内容挖掘、Web使用挖掘和Web结构挖掘的结果,并结合其推荐结果为学习者提供个性化的服务。并给出个性化推荐算法。     

Web使用挖掘的数据采集技术探究

如何准确、及时、全面地采集用户使用数据是Web使用挖掘的重要前提和基础。基于Web的基本结构,Web使用挖掘的数据源可以从web服务器端、应用服务器端、代理服务器端和客户端进行采集。文中分析了传统的基于Web日志进行Web使用挖掘所面临的问题,讨论了建立在用户浏览行为基础上的客户端数据采集技术,重点讨论了其中的JavaApplet技术。通过JavaApplet技术可以获取客户端IP,可以自动完成用户浏览信息的准确采集,可以广泛用于各类网站的个性化和智能化服务、站点结构改进、商业智能等。     

采用反馈机制的自适应Web推荐系统

Web服务的初衷是能让用户能够快捷方便地找到自己需要的资源,但是当前过量的网络资源反而增加了用户的麻烦。于是出现了结合用户对Web使用的数据挖掘应用的Web推荐系统。在传统Web推荐系统的基础上引入了反馈机制。使推荐系统在线给用户提供推荐功能的同时,对自身的推荐机制改进,更体现了个性化服务的灵活性。     

基于Web挖掘的个性化教学推荐系统

针对学生网络学习环境设计了一种新颖的个性化教学推荐系统。该系统通过测试学生的学习风格和挖掘Web浏览日志,构造了不同学生学习风格和Web使用习惯的模型。首先利用Item-Based Top-N推荐算法对数据稀疏的学习风格测量数据进行处理,实现对学生学习风格的诊断;然后,采用AprioriAll算法挖掘Web浏览日志中序列频繁集,分析出学生Web使用的常见习惯和兴趣;最后,依据不同的学习风格和Web使用习惯实现学习内容的个性化推荐。模拟实验表明,该推荐系统的设计是可行并有效的,能够很好地符合用户的真实需求。     

电子商务环境下基于移动Agent的Web数据挖掘

针对目前电子商务环境下Web数据挖掘所面临的问题，结合移动Agcnt技术优点，提出了一种新的解决方案，即把各挖掘算法集中到移动Agcnt子系统中，并根据要求动态地创建，然后派遣它们到各商务数据站点数据库中进行数据挖掘。给出了移动Agent系统和整个挖掘系统的设计框架以及工作过程。     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

面向电子商务的增量挖掘算法

对商务信息挖掘理论进行了研究,给出了电子商务运作模式的定义、性质、定理及相关证明;提出了一种用于跟踪电子商务活动的数据模型,在模型中定义了网页监控点与商务指标之间的“点-集”映射关系,建立了商务网站的访问事件、网页中事先设定的监控点,以及商务工作流程之间的联系;根据这些研究结果对关联规则挖掘算法中的发现和剪枝过程进行改进,设计了面向电子商务的增量挖掘算法,并在第三方物流信息系统中实现。实践表明,该算法在频繁变化的数据集中的挖掘效率大大高于传统的非增量挖掘算法,基于智能Agent技术的商务信息挖掘模型有效地提高了电子商务的实时跟踪与分析能力。