数据挖掘技术在电子商务推荐中的应用 |
|
|
示等环节。电子商务推荐系统的一般工作流程如下: 1) 数据采集:数据采集方式主要有两种类型:显式采集和隐式采集。显式采集指推荐系统需要用户显式地输入形成推荐所需要的信息,包括用户信息和对商品的评价等;隐式采集是指推荐系统根据电子商务系统在用户的购物过程中自动记录的信息形成推荐,比如用户浏览或者购买了哪些商品,以此来分析用户的行为特性,不需要用户输入任何信息。 2) 数据预处理:数据预处理是对数据进行清洗,解决数据中的缺值、冗余、数据值的不一致等问题,以供数据挖掘阶段使用。数据预处理有多种方法,包括:数据清理,数据集成,数据变换,数据归约等。这些数据处理技术在数据挖掘之前使用,大大提高了数据挖掘模式的质量,降低实际挖掘所需要的时间。 3) 形成推荐:这个阶段进行实际的挖掘操作。选择合适的算法进行挖掘,从而从海量的数据中得出有效的、新颖的、潜在的、有用的及最终可以理解的信息和知识。电子商务数据挖掘常用关联规则、序列模式、分类和聚类技术。论文联盟www.LWlm.CoM 4) 结果显示:推荐结果形成后,接下来的任务是如何把推荐结果呈现给用户。不同的推荐结果显示时机和方式,往往可以起到不同的推荐效果。 5 结束语 采用数据挖掘技术,将电子商务中丰富的数据源信息进行有效组织利用,对电子商务的具有巨大的应用价值,但它在运用过程中出现的问题也亟待人们去解决。相信随着数据挖掘算法的不断发展和成熟,数据挖掘一定会有更加广阔的应用前景。 参考文献: [1] 刘晓星.浅谈数据挖掘在电子商务系统中的应用[J].信息与电脑:理论版,2011(1):160. [2] 吴鸭珠.数据挖掘技术在电子商务中的应用[J].福建电脑,2010(6):94-95. [3] 吴春琼.浅析数据挖掘技术及其在电子商务中的应用[J].黑龙江科技信息,2009(30):90. [4] 吴恒亮,张巍巍.电子商务推荐系统中推荐技术的比较研究[J].物流科技,2009(11):57-59. [5] 李娜.数据挖掘在电子商务中的应用研究[D].西安:西安电子科技大学,2009.
|
|
|
|