基于3DM的B2C客户分类算法

任何高效的客户关系管理都是以扎实的客户分类为基础,然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,传统的客户分类方法很难适合B2C客户数据的分类.研究表明,数据挖掘的实质是知识在不同形态下的转换过程,面向领域的数据驱动的数据挖掘理论(3DM)能将领域知识、先验知识和数据本身的特点有机结合.以电子商务B2C客户数据为例,设计了基于3DM的客户分类算法,通过实例表明,该算法能较好地解决B2C客户数据的分类问题.     

基于B2C电子商务系统的网络信息挖掘模型研究

通过对B2C电子商务系统中数据信息类型、价值和特点的分析,明确了网络信息分析对于B2C电子商务企业经营决策的重要性;借助传统数据挖掘技术,基于B2C电子商务系统构建了网络信息挖掘模型,实现了数据挖掘技术在现代信息网络中的应用。     

BP神经网络在数据挖掘分类中的应用

结合人工神经网络对噪声数据具有高承受能力,且对未经训练的数据具有分类模拟能力的特点,讨论了在数据挖掘领域中利用BP网络进行数据分类的实现过程,描述并分析了BP算法.然后,针对银行业务中客户信用政策给出了实例分析,用该算法建立了一个分类模型,根据存款金额、贷款次数、及时还贷率等数据信息实现对客户信用等级的分类.     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

数据挖掘Clementine在B2C系统中的应用

以网络为载体的电子商务的发展与壮大,给企业带来了新的机遇,同时也给企业带来新的,在很大程度上改了了企业的营销理念和经营策略,本文探讨了数据挖掘在B2C系统中的应用,利用数据挖掘技术对电子商务中的大量信息进行分析和推理,从中挖掘出潜在的模式,预测客户行为,进一步细分客户群体,为企业的决策者调整市场策略、、做出正确的企业推广决策,体现出企业的核心竞争力。     

数据挖掘中聚类分析技术方法的比较研究

聚类是数据挖掘领域中的一个重要研究课题.聚类在电子商务、图像处理、模式识别、文本分类等领域有广泛的应用.本文首先建立了数据挖掘中聚类方法的比较标准,然后从基于优化、关系、变换这样一个新的角度对聚类方法进行了分类和比较,最后对数据挖掘中常用聚类算法进行了分析,以便于人们更易于选择研究方向和选择适合于具体问题的聚类算法.     

决策树在数据挖掘中的应用研究

本文介绍了基于决策树的分类方法、基于决策树的知识发现的一般概念及决策树在数据挖掘中的应用。重点介绍了基于ID3算法的决策树生成方法,分析其用于数据分类和知识发现的过程及特点。     

数据挖掘中决策树分类方法研究

分类知识的获取是数据挖掘所要实现的重要任务之一 ,其核心问题是解决分类模型的构造和分类算法实现问题。本文以决策树分类方法中有代表性的方法 C4.5为例介绍数据挖掘中的一种分类模式 :基于决策树方法的分类器的构建方法和算法。     

企业电子商务中的客户数据挖掘

企业在开展电子商务活动中需要处理众多的数据,其中客户数据是企业电子商务活动中极为重要的数据。本文在探讨Web数据挖掘涵义和方法的基础上,分析了企业电子商务活动中客户数据挖掘的流程,并指出了客户数据挖掘对于企业开展电子商务的意义。     

基于遗传算法和信息熵的文本分类规则抽取方法研究

针对数据挖掘中的文本分类问题,提出了一种基于遗传算法和信息熵的文本分类规则抽取算法Genet-ic-Miner(简称GM),该算法的目标是在数据集中发现分类规则。首先利用信息熵生成初始种群,然后利用优化的遗传算法抽取相应规则。采用六个标准的公共领域的数据集比较了GM与其它两个非常著名的同类算法Ant-Miner和CN2,实验结果表明,无论是预测准确性和规则的简单性,GM都明显优于Ant-Miner和CN2,并且该算法能大大提高对知识的理解力。     

数据挖掘在关系营销中的应用研究

概括了数据挖掘在关系营销中的应用功能,详细分析了数据挖掘在商业应用中的具体实施步骤,给出了中国移动公司利用决策树技术分析客户消费模式,采取对应优惠措施来改善与客户的关系、提高客户忠诚度、增强其产品的竞争力。     

基于决策树技术的预离网客户识别模型

客户流失将直接影响到通信运营企业的生存与发展.对此,需要利用数据挖掘技术通过建立预测模型,将有离网倾向的客户（预离网客户）识别出来,并采用有效措施进行保有.以CRISP-DM（跨行业数据挖掘过程标准）为工具,从商业理解、数据理解、数据准备、建立模型、模型评估和结果部署6个阶段,详细阐述了预离网客户识别模型的构建方法,并...     

改进购物篮分析的关联规则挖掘算法

基于改进传统购物篮分析的关联规则挖掘是在数据处理时引入兴趣度加权的思想,将所有交易中同一类商品的交易量进行归一化处理,根据用户领域知识的要求,计算该类商品的兴趣度加权阈值,从而改进传统的购物篮分析,使所挖掘出的关联规则符合实际,同时减少关联规则挖掘的工作量,提高规则挖掘的效率和准确性.     

Web挖掘在电子商务中的应用

首先介绍了Web挖掘的概念，以及Web使用挖掘和Web内容挖掘这两个主要类型，论述了电子商务中Web挖掘的过程和方法，最后阐述了Web挖掘在电子商务中的具体应用。     

电子商务中的Web数据挖掘技术应用

随着互联网的高速发展,Web挖掘由于其独特的优点,在电子商务的应用中扮演了越来越重要的角色。本文主要介绍了Web挖掘的概念和分类,论述了电子商务中Web挖掘的过程和方法,最后阐述了Web挖掘在电子商务中的具体应用。     

一种融合蚁群算法和主成份分析的数据挖掘方法

为帮助企业在销售资料数据库中,有效地挖掘出有用的规则,结合蚁群算法与主成分因素分析法,提出一套整合性数据挖掘方法.为了证明该方法的效能,收集了一个大型商场的销售数据,并配合其它数据挖掘软件XpertRule Miner与该方法的挖掘结果进行了分析比较.实验结果显示该方法能有效地挖掘出隐藏在数据库中的知识,进而能提供给决...     

基于Apriori算法的购物篮关联规则分析

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。IT就业市场竞争已经相当激烈,而数据处理的核心技术——数据挖掘更是得到了前所未有的重视。关联规则一般用以发现交易数据库中不同商品(项)之间的联系,用这些规则找出顾客的购买行为模式,比如购买了某一种商品对购买其他商品的影响,这种规则可以应用于超市商品货架设计、货物摆放以及根据购买模式对用户进行分类等。通过发现这个关联的规则,可以更好地了解和掌握事物的发展、动向等。在市场营销、企业投资中具有重要的作用。     

现代远程教育个性化Web挖掘研究

从Web上异质的、非结构化的数据中发现有用的知识或者模式是目前数据挖掘研究中的一个重要内容。Web挖掘就是从Web文档和Web活动中抽取感兴趣的、潜在的有用模式和隐藏的信息。介绍了Web挖掘基本情况,在此基础上对基于Web的文本挖掘进行了分析研究,给出了一个基于Web的文本挖掘的结构模型图。重点介绍了网页聚类算法,实现了远程教学的按需学习和因材施教的要求。提出了一个基于Web挖掘的智能化、个性化的现代远程教育系统结构模型。     

多层次关联规则的快速挖掘算法

数据挖掘被认为是解决“数据爆炸”和“数据丰富,信息贫乏”的一种有效方法。关联规则是数据挖掘的重要研究方向。本文提出了多层次关联规则的一种快速挖掘算法,利用抽样从概念层次树的中间开始挖掘,以提高挖掘的速度。