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。     

电子商务中数据挖掘技术的选择

从挖掘任务和可获得的数据方面讨论了电子商务中有关数据挖掘技术的选择问题，指出了各种数据挖掘技术适用的场合，可为进一步开发切实可用的数据挖掘系统提供依据。     

数据挖掘技术在电子商务管理中的应用研究

人们希望有新的技术和工具对大量数据进行强有力的分析,从中提取出有价值的信息,为决策者提供必要的支持。基于此,本文对数据挖掘技术在电子商务管理中的应用研究。首先论述了电子商务管理中数据挖掘技术的重要作用,从构件系统平台、后台数据库搭建、编程语言三方面论述了电子商务系统的实现。讨论了建立系统的数据挖掘应用模型的方法。分别介绍了遗传、决策树、粗糙集、神经网络四种数据挖掘算法。     

数据挖掘在WEB中的应用

网络技术的飞速发展带来了“数据爆炸”,要从大量信息中获得所需知识就需要运用知识发现和数据挖掘方法．本文从WEB数据挖掘的对象、方法、过程三个方面进行了探讨,分析了数据挖掘在电子商务中的应用．     

面向电子商务的Web数据挖掘应用研究

过去几十年里,伴随着电子商务的飞速发展,Web已迅速发展成为世界上规模最大的公共数据源.如何从网络上大量的信息中找出真正有价值的信息和知识,已成为企业和商家所密切关注的问题.本文简要介绍了电子商务、数据挖掘及Web数据挖掘等内容,并对Web数据挖掘技术在电子商务中的应用进行了探究.     

电子商务网站的Web数据挖掘系统设计

在分析了电子商务网站Web数据源及其挖掘任务基础上,设计了一种电子商务网站的Web数据挖掘系统模型,详细阐述了模型的数据挖掘过程与关键技术.     

web数据挖掘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领域的热点之一,尤其是在电子商务领域。本文着重阐述了web数据挖掘技术及其在电子商务中的应用。     

Web数据挖掘及其在电子商务中的应用

基于Web的数据挖掘是一种结合了数据挖掘和互联网系统的热门研究课题。本文综述了Web数据挖掘的主要方法、Web数据挖掘的主要过程,在此基础上又着重介绍了Web数据挖掘技术在电子商务中的具体应用。     

基于本体的数据挖掘在CRM决策分析中的应用研究(英文)

电子商务客户关系管理中,实现基于语义层面上的挖掘是提高用户数据挖掘质量的一个关键性问题,本文融合了本体和数据挖掘技术,提出了基于本体的数据挖掘决策分析模型,利用基于本体的数据挖掘方法从语义层面上实现了对用户数据的挖掘,实现了用户数据的高效率和高精度挖掘,并根据挖掘结果进行决策分析,根据分析结果为用户提供基于RSS聚合的个性化服务.     

数据挖掘及其在电子商务中的应用

随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,人们面临“数据丰富而知识贫乏”的问题。如何才能不被信息的汪洋大海所淹没。从中及时发现有用的知识,提高信息利用率呢？八十年代末兴起的数据挖掘技术,为解决此问题开辟了一条道路。本文简单阐述了数据挖掘技术、Web数据挖掘及电子商务,分析了Web数据挖掘在电子商务中的应用和展望。     

基于数据挖掘技术的电子商务设计

介绍了数据库、数据挖掘、联机分析等相关技术的概念，以及这些技术在电子商务中的应用；介绍了基于数据挖掘技术的电子商务系统的设计以及使用Analysis Services工具进行的数据挖掘处理与分析。     

基于web数据挖掘的协同过滤推荐算法

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推荐系统可以满足电子商务未来发展趋势的需要。本文以一组数据为实例阐述了基于web数据挖掘的协同过滤推荐算法是如何进行数据表示、近邻查询以及推荐产生这三个阶段的有效实施的。     

Web挖掘技术在电子商务中的应用

介绍了Web挖掘的概念及其分类,探讨了电子商务中Web挖掘的过程和方法,并进一步阐述了Web挖掘在电子商务中的具体应用。     

基于数据挖掘的个性化推荐

为了将网站访问者转化为消费者,设计一种电子商务网站个性化推荐方法.该方法采用数据挖掘技术获取客户的个性化特性,从而产生个性化产品推荐建议或决策.实验表明,提出的方法是有效可行的.     

互联网商品匹配算法

实体解析是指识别同一实体的不同描述形式的过程, 旨在保障数据质量, 是数据清理、数据集成及数据挖掘中的关键技术. 随着电子商务的不断发展和成熟, 商品的多样性和消费者灵活的购买方式, 使得对网络商品的精确识别和匹配成为大数据时代亟待解决的问题. 与传统实体解析主要针对结构化数据不同, 网络数据具有非结构化、异构和海量的特性, 为此设计了综合相似度算法(synthesized similarity method, SSM)来计算网络商品数据间的相似度, 同时引入凝聚的层次聚类框架, 以匹配来自不同数据源的异构商品. 此外, 为了解决大数据环境下对执行效率的要求, 从字符串相似度缓存、约束知识库和分块策略三个方面对SSM进行优化, 基于真实数据集的实验结果验证了SSM的执行效率和有效性.     

电子商务的模式及核心技术分析

阐述了电子商务的3种主要工作模式，即企业与企业之间的电子商务、企业与消费者之间的电子商务和消费者与消费者之间的电子商务，分析了商业数据挖掘、移动电子商务、信息安全、物流规划设计与仿真、物流优化与配送、物流检测与识别等核心技术。     

Multi-Dimensional Customer Data Analysis in Online Auctions

In this paper, we designed a customer-centered data warehouse system with five subjects： listing, bidding, transaction, accounts, and customer contact based on the business process of online auction companies. For each subject, we analyzed its fact indexes and dimensions. Then take transaction subject as example, analyzed the data warehouse model in detail, and got the multi-dimensional analysis structure of transaction subject. At last, using data mining to do customer segmentation, we divided customers into four types： impulse customer, prudent customer, potential customer, and ordinary customer. By the result of multi-dimensional customer data analysis, online auction companies can do more target marketing and increase customer loyalty.     

电子商务的数据加密算法

介绍电子商务高层和低层的2个应用层面,分析数据加密算法中的对称加密算法和非对称加密算法,对电子商务的数据加密算法进行了展望。认为非对称加密算法由于易于理解和操作,是目前普遍使用的算法;对称算法由于具有速度快的优点,主要用于对实时性要求较高的领域;摘要函数、多步加密法、插入校验码、生物识别技术将是电子商务数据加密算法下一步的研究方向。     

一种上下文感知的E-commerce评级大数据赋权方法

电子商务(E-commerce)的飞速发展, 产生了大量针对商品的在线评级数据, 通过分析评级数据, 用户可以对商品的质量进行评估. 然而, 评级数据的海量性和差异性使得用户难以快速而准确地评估商品的质量. 鉴于此, 提出一种基于E-commerce 评级的上下文感知赋权方法(context-aware weighting approach, CWA), 以选出少数“重要”的评级数据并抛弃大多数“不重要”的评级数据, 从而确保商品质量评估的快速性和准确性. 最后, 通过一组实验验证了CWA 的有效性.