数据挖掘在电子商务中的应用研究

本文主要介绍数据挖掘在电子商务中的应用,文章从数据挖掘的定义、数据挖掘的常用方法出发,阐述了数据挖掘在海量信息中提取有效信息的作用,特别是数据挖掘与电子商务的结合可以给人们生活带来便利,给企业带来新的利润空间以及为企业提供决策支持。常用的数据挖掘技术主要包括支持向量机、朴素贝叶斯、聚类、决策树、神经网络和关联规则等,最后介绍了数据挖掘在电子商务的4个主要应用方面,说明了数据挖掘存在的必要性。     

金融学文本大数据挖掘方法分析

通过回顾历史文献可知,传统研究主要研究文本分析常用方法,对于文本大数据挖掘实施过程关注较少.本文阐述了文本大数据挖掘的主要方法,阐述在此过程中获取、预处理、表示文档和抽取文档特征的方法,总结文本大数据挖掘信息来源,结合文本信息来源分析金融学领域文本大数据挖掘应用发展趋势,从而为金融学领域文本大数据应用提供参考.     

基于电子商务应用的Web数据挖掘技术研究

随着电子商务的快速发展,如何对网络上大量的信息进行有效组织利用,帮助海量数据的拥有者们找出真正有价值的信息和知识,以指导商业决策行为,成为电子商务经营者关注的问题。本文以数据挖掘技术的研究作为核心,结合电子商务的特点深入讨论了面向电子商务的Web数据挖掘系统的技术应用。     

电子商务中数据挖掘的基本算法与应用分析

数据挖掘技术是近些年来发展起来的一门新技术,通过该技术,人们可以发现数据后面潜藏的有价值的信息。数据挖掘已经成为解决当前企业信息系统中所面临的数据爆炸状况的最有效的方法,这也为决策者进行各种商业决策提供了科学的理论支持。该文将对数据挖掘的含义与基本算法进行阐述和分析,并对数据挖掘在电子商务中的具体应用进行分析探讨。     

数据挖掘技术在ERP系统中的应用

文本分析了ERP系统在数据分析和决策支持方面存在的局限,在分析数据挖掘主要特征的基础上,阐明了应用数据挖掘技术提高ERP性能可行性,给出了分类方法在ERP销售子系统中应用的实例,并通过模型实验检测了这种挖掘策略的有效性。     

基于用户特征的电子商务数据挖掘研究

随着互联网的出现,全球范围内电子商务正在迅速普及与发展,在这样的环境下,电子商务数据挖掘技术应运而生.电子商务数据挖掘技术是近几年来数据挖掘领域中的研究热点,基于用户特征的电子商务数据挖掘技术研究将会解决大量现实问题,为企业确定目标市场、完善决策、获得最大竞争优势,其应用前景广阔,促使电子商务企业更具有竞争力.主要分析了电子商务内容、数据挖掘技术和过程、用户细分理论,以及基于用户特征的电子商务数据挖掘.     

水文时空数据挖掘方法及其应用评述

随着对地观测技术的发展,遥感数据在水文研究中的应用越来越普及,其所蕴含的丰富时空信息能在很大程度上弥补传统水文台站数据无法代表区域的不足。从海量、多维、类型多样的遥感数据中提取有用的涉水信息,已成为当前遥感数据在水文应用研究中的重点。遥感数据中的时空信息在分析水文现象时空分布特征,构建真正的分布式流域水文模型或者精细流域水文模型等方面起着重要作用。在梳理时空数据挖掘概念和国外时空数据挖掘现状的基础上,提出面向具体水文应用的水文时空数据挖掘模型,应用大数据技术分析水文现象的演变规律,为相关决策提供关键的支撑信息。     

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。     

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。     

深度学习在电子病历抗菌药物使用方法分类中的应用

本文主要研究深度学习在抗菌药物使用方法分类及数据挖掘应用,在现有的疾病和电子病历抗菌药物使用方法的文本数据挖掘过程中,利用基于注意力机制的长短期记忆网络模型训练抗菌药物语料数据,通过自我学习特征的方式表示和理解问题,避免人工特征的提取误差,使分类的准确率最大值较传统数据挖掘方法提高至89.97%,从而更好地为不同疾病患者提供相应的抗菌药物治疗方案.根据实验结果,该方法在不需要人工制定特征规则的条件下,可以自主学习生成治疗方案知识库,从而为医生治疗患者提供最佳的辅助决策支持.     

基于大数据的贷款客户信息修复与智能决策系统设计

为解决逾期高阶阶段出现的客户失联、资产情况无法评估、催收策略选择等问题，结合大数据技术构建贷款客户信息修复与智能决策系统。系统主要包括以下三个模块。数据集成模块：通过集成异构、碎片化的社交数据，形成结构化的文本数据集；数据挖掘模块：对文本数据集中的联系方式、地址、资产等信息进行识别和抽取，并基于词频证据对客户的联系方式、地址、资产等信息进行推理与判别；智能决策模块：基于if-then规则对贷款客户各特征属性下的催收策略分别打分，并利用多属性决策模型选择合适的催收策略。研究为贷款客户信息修复与智能决策系统的构建提供了全套的技术解决方案，具有一定的理论意义与实践意义。     

国防科大计算机学院工学博士学位论文摘要

序列数据挖掘的模型与算法研究作者 :周斌 (1 999.1 0 )导师 :吴泉源教授　　由于数据爆炸问题的普遍性和紧迫性 ,数据挖掘技术成为近年来数据库、人工智能及决策支持领域的研究热点。序列数据作为一种常见的数据形式存在于很多应用领域。随着电子商务网上营销的发展 ,序列数据挖掘技术将面临新的应用契机。在这种背景和前提下研究序列模式数据挖掘技术 ,有重要的理论和实际意义。本课题的研究目标是 :通过对序列模式挖掘的数据模型、增量式挖掘及概率解释的研究 ,解决序列模式数据挖掘技术应用于新的商务环境的主要技术问题。在已有研究工…     

大数据平台中基于深度学习的数据挖掘算法优化与系统设计

在信息时代的快速发展背景下,大数据技术的广泛应用已经渗透各行各业,带来了海量的数据资源。然而,如何从这些数据中挖掘出有用的信息,为企业的决策提供支持,成为一个亟待解决的问题。文章旨在优化大数据平台的数据挖掘算法,并通过系统设计与技术实现,提升电力数据挖掘的准确性。采用算法优化方法包括模型压缩、参数调优和并行计算等,以提升深度学习模型的性能。基于此,文章提出构建高效、可扩展的数据挖掘平台。经过优化后,深度学习模型预测准确率在95%以上。此外,通过并行计算和分布式存储,数据挖掘平台的处理速度提高了2倍,能够处理更大规模的数据集。优化方法的应用显著提升了模型的性能和平台的处理能力,为大数据挖掘提供了技术支持。     

基于余弦相似度的文本空间索引方法研究

基于相似度的数据空间索引在数据挖掘及数据可视化等方面有着重要的应用.本文以新闻的标题为研究对象,提出了以CrossAVL为基础的文本对象层次式聚类方法以及文本信息空间索引算法FastMap-MDS,有效地保持了文本对象间的相似信息.实验表明,该方法具有较高的效率和精度.     

基于数据中心模式的多网站数据挖掘技术研究

随着互联网的快速发展,Web上的数据飞速增长。面对海量的数据,如何从中找出有价值的信息,运用到商业决策的制定中,已经成为越来越多的人关心的课题。该文主要介绍了web数据挖掘的概念和分类,论述了在电子商务中web挖掘的过程和方法,揭示了数据挖掘在电子商务中广泛的应用前景。论文实现了一个面向多电子商务平台的数据挖掘系统,系统面对多电子商务平台,实现了统一的数据收集和预处理过程,对用户的访问日志进行分析,从网站、商品类别、商品等角度进行数据分析,并又对用户的访问数据进行挖掘,从这些数据中发现潜在的规律,把握用户动态,帮助企业制定商业决策,使电子商务更具个性化和针对性。     

数据挖掘在研究生招生中的应用

数据仓库与数据挖掘技术应用在现代研究生招生领域中，能从招生信息中发现各种潜在的有价值的信息，为学校招生提供有效的决策支持。以数据仓库技术为基础，利用数据挖掘技术的聚类分析算法对数据库中的数据进行测试研究，能够帮助导师从众多的考生中挑选出合适的考生进行本专业的研究。在一定基础上初步实现了数据仓库的挖掘应用。     

基于Web的数据挖掘技术在电子商务中应用探讨

基于Web的数据挖掘是从大量的Web文档中挖掘出有价值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.本文讨论了在电子商务中运用Web数据挖掘技术,为企业更有效地确认目标市场、改进决策、获得更大的竞争优势提供帮助,并提出了Web数据挖掘系统的实现方案,同时分析了k-means聚类算法并进行优化.     

电子商务中数据挖掘技术的研究与应用

随着电子商务的飞速发展和信息爆炸的时代到来,数据挖掘技术作为电子商务的重要应用技术之一,有助于发现业务发展的趋势,帮助企业做出正确的决策,使企业处于更有利的竞争位置。本文通过阐述数据挖掘的分析方法,着重分析了面向电子商务的数据挖掘的特点,并深入研究了数据挖掘技术在电子商务中的应用。     

聚类数据挖掘在商场顾客分析中的应用

数据挖掘用于从大量数据中发现知识,提供决策支持.本文对聚类数据挖掘应用于商场顾客分析的实现问题进行了研究.基于重庆两百商场OLTP数据库,构建了数据仓库,针对商场顾客群特征,以及顾客特征与购买商品类别之间的关系问题,建立了两个聚类数据挖掘模型,并对数据挖掘结果进行了分析.     

基于专利数据的电力标引信息挖掘技术研究

为了提高专利数据挖掘的准确性和可靠性,针对基于专利数据的电力标引信息挖掘技术进行研究。以SIPO专利数据库为数据源,生成专利数据序列。根据词嵌入模型设计Word2Vec,获取电力专利数据关联信息。根据数据关联融合结果,通过支持向量机分别训练相应子分类器,高效融合各子分类器,构建总分类模型完成分类决策,根据最终决策获取电力专利数据标引信息挖掘结果。实验结果表明,提出的挖掘与其他挖掘法相比查准率和查全率更高,具有可靠性。