数据挖掘技术在电子商务推荐中的应用 |
|
|
dquo;,其意义就是顾客在购买某些商品的时候有多大可能会同时购买另外一些东西。显然,这种关联规则反映了顾客的购买习惯。如果商家能够充分利用这些购买习惯,就可以增加商品的销售,提高销售利润。论文联盟www.LWlm.CoM 2) 聚类分析(Clustering):聚类分析是将数据点集合分成若干类或簇,使得每个簇中的数据点之间最大程度地相似,而不同簇中的数据点最大程度地不同,从而发现数据集中有效的、新颖的、可以理解的数据模式分布。在电子商务数据挖掘应用中包含页聚类和用户聚类。页聚类是将内容相关的页面归在一个网页组,常用于网上搜索引擎及提供上网帮助。用户聚类是将具有相似喜好特性的用户归在一起,从而动态地为用户定制观看的内容或提供浏览建议。聚类分析可以方便用户查询和浏览,增强广告的作用,促进网上销售和提高用户忠诚度等。
论文联盟*编辑。 3) 分类和预测(Classification and Predication):分分类是把数据集中的数据项映射到某个给定的类上。它反映同类事物共同性质的特征型知识和不同事物之间的差异型特征知识。它的特点是通过对示例数据库中的数据进行挖掘,建立了一个分类模型,然后利用分类模型对数据库中的其它记录进行分类。预测是利用历史数据找出变化规律,建立模型,并用此模型来预测未来数据的种类,特征等。尽管预测可以涉及数据值预测和类标记预测,但通常预测仅限于数据值预测,并因此不同于分类。 4) 演化分析(Evolution Analysis):演化分析描述事件或对象行为随时间变化的对象的规律或趋势,并以此来建立模型。这种分析包括时间序列数据分析、序列或周期模式匹配、基于类似性的数据分析。它的侧重点在于分析数据间的前后或因果关系。在电子商务数据挖掘中,应用序列模式分析技术能发现数据库中形如“在某一段时间内,顾客购买商品A,接着购买商品B,而后购买商品 C,即序列A→B→C出现的频度较高”之类的知识,这将会有助于企业的营销决策。 4 电子商务推荐工作流程 虽然电子商务推荐系统的种类很多,所采用的推荐技术也不尽相同,但各种推荐系统的工作流程基本相同,主要包括数据采集、数据预处理、形成推荐和结果显 上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
|
上一个论文: 对农学专业就业分析及其教学模式的建议 下一个论文: 关于电子商务专业英语学习方法浅谈 |
|