基于协同过滤挖掘算法的web数据挖掘

随着电子商务的发展状大,缺乏个性化服务成为制约电子商务发展的关键问题。基于web数据挖掘的电子商务挖掘系统可以满足电子商务未来发展趋势的需要。该文以一组数据为实例阐述了基于web数据挖掘的协同过滤挖掘算法是如何进行数据表示、近邻查询以及挖掘产生这三个阶段的有效实施的。     

基于模糊聚类的电子商务用户数据挖掘研究

随着互联网经济产业发展规模的突飞猛进,电子商务呈现着爆炸式发展态势。而电子商务用户数据也开始暴增,这些由用户创造的数据远超出了当前人力处理的范围。因此,研究了将模糊聚类算法应用于电子商务用户数据的挖掘处理中,通过遗传算法改进的模糊C均值聚类,处理庞大的电子商务用户数据,挖掘电子商务核心资源的商业价值,从而实现精准营销。     

一种基于Web数据挖掘的电子商务推荐系统

在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果.     

改进的Apriori算法在电子商务推荐系统中的应用

针对目前电子商务的推荐系统不能适用于中小电子商务网站,文章使用改进的Apriori算法对电子商务交易事务数据库中的数据进行挖掘,首先对不同类的事务数据库中的最小支持度和最小置信度阈值进行区分设置,寻找最优值;然后对事务数据库中的数据进行稀疏性设置,转换成稀疏性矩阵的形式,以加快算法的执行效率,并每次都对与候选集中无关的项进行删除,再扫描修剪后的稀疏性矩阵,这样进一步提高挖掘效率。最后通过以某中小洁具用品电子商务网站的交易数据为对象,给出详细的操作方法和实验结果。     

Web数据挖掘技术在电子商务中的应用

电子商务是一种新兴商务模式,Web数据挖掘技术在电子商务中的应用是目前一种新的重要研究领域。本文介绍了电子商务和Web数据挖掘技术的概念及其类型,分析了电子商务中如何进行Web数据挖掘的方法,阐述了Web数据挖掘技术在电子商务中的应用。     

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。     

统一事件Web挖掘模型

讨论了电子商务中现有数据收集方式的缺点。基于Web日志的推荐算法具有复杂而不精确的预处理步骤，而客户端收集数据涉及到用户隐私问题。提出了统一事件模型、基于应用层的日志记录，进行用户、会话识别算法和多维关联规则算法UEMFP。指出了UEM在Web挖掘中的优点。实验表明，UEM下的Web挖掘算法具有更好的结果和性能，它可以很好地运用到电子商务应用中。     

基于Web访问信息挖掘的商业智能发现研究

针对Web访问信息的特征和现有数据挖掘方法的局限性,提出将传统数据挖掘算法改进后扩展应用于电子商务环境,实现对Web访问信息进行深层次分析以获取商业智能的思路,从实际应用的角度设计了一个基于Web访问信息挖掘的应用模型,给出了若干关键技术实现的方法,并用改进后的FP-growth算法对电子商务客户访问数据进行兴趣关联规则挖掘实验,验证了挖掘模型的可行性和有效性.     

WEB数据挖掘在电子商务中的研究应用

WEB数据挖掘旨在从大量的WEB数据信息中发现有用的模式和隐藏的信息,从而为决策者提供决策支持,优化市场策略,有效地解决当今互联网信息膨胀的问题。WEB数据挖掘的一个重要应用就是电子商务。电子商务是一个基于网络平台的现代化的商业模式,目前电子商务发展势头强劲,WEB数据挖掘在电子商务中必定有广阔的应用前景。本文将WEB数据挖掘与电子商务相结合,介绍了在电子商务平台中进行WEB数据挖掘的方法,从而为电子商务从业人员提供借鉴,以便更好地分析数据间的隐藏关系和模式,掌握用户喜好,为电子商务平台的市场决策提供决策支持,减少风险。     

Web数据挖掘及其在电子商务中的应用

随着互联网信息的增长,Web数据挖掘已经成为数据挖掘研究的热点之一,尤其是应用于电子商务领域.阐述了电子商务中的Web数据挖掘资源、Web日志挖掘的处理流程和几种技术,最后分析了Web数据挖掘在电子商务中的应用.     

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UAP-T的网络日志挖掘技术在电子商务中的应用

在电子商务中，从大量的数据中挖掘出有意义的用户访问模式，进而划分客户群体和发现潜在的客户，对电子商务公司有着重要的意义。在WAP-tree算法的基础上提出了改进的HAP—T(ueer accees pattern tree)算法，并根据该算法提出了一个有效的基于Web日志挖掘的应用方案，分析了该方案在电子商务中的应用。     

面向电子商务的用户异常行为检测研究

针对电子商务中用户异常交易行为的检测问题,文章首先根据用户行为日志数据的特点将其分割为静态属性集和操作序列集,然后利用基于轴属性的Apriori算法和GSP序列模式挖掘算法分别对这两种类型的数据集进行模式挖掘,在此基础上建立用户的正常行为模式,最后使用基于先后顺序的模式比较方法将用户当前的行为模式与其历史正常行为模式进行匹配,以此来判断该用户的交易行为是否异常。在真实数据集上的实验表明,该方法能有效发现电子商务中用户的异常行为。     

关联规则在浏览者兴趣分析中的应用

文章讨论了关联规则、Aporioi算法、多层次关联规则以及在挖掘电子商务网站用户兴趣方面的应用,并以网站部分数据为例,应用多层次关联规则进行兴趣分析。     

高维数据挖掘算法的研究与进展

生物信息学和电子商务应用的迅速发展积累了大量高维数据,对高维数据的挖掘变得越来越重要,一般的数据挖掘方法在处理高维数据时会遇到维灾的问题,同时传统相似性度量在高维空间中也变得没有意义。文章从频繁项集挖掘、聚类、分类等三个方面对最新的高维数据挖掘算法的现状进行了综述,对这些算法如何解决高维数据挖掘存在的问题进行研究。     

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挖掘在现代电子商务中的应用

随着互联网技术的高速发展,Web数据挖掘由于其自身独特的优点,在现代电子商务中的地位越来越重要。该文重点介绍了Web挖掘的有关概念和分类,论述了电子商务中Web挖掘的主要过程和方法,阐述了Web数据挖掘在现代电子商务中的具体应用。     

Web挖掘在现代电子商务中的应用

随着互联网技术的高速发展,Web数据挖掘由于其自身独特的优点,在现代电子商务中的地位越来越重要。该文重点介绍了Web挖掘的有关概念和分类,论述了电子商务中Web挖掘的主要过程和方法,阐述了Web数据挖掘在现代电子商务中的具体应用。     

基于WEB数据挖掘的电子商务应用技术

本文描述了Web数据挖掘的用途,通过分析web数据挖掘的流程描述了数据挖掘的基本规律,从电子商务应用的角度分析Web数据挖掘的作用,并详细分析了对电子商务的所有客户类型进行数据挖掘的方法。     

改进后的k-means算法在电子商务中的应用

原有数据挖掘技术中的K-means算法因初值依赖度较高易造成偏差,因此进行了改进:改变对初值的选择,且通过数据计算验证出改进后K-means算法的效果,将其跟实际结合起来,对电子商务数据进行了应用分析,精确了挖掘结果,为商户制定营销策略提供了支持。