关于数据挖掘技术的电子商务推荐系统研究论文

  1.数据挖掘技术

  1.1数据挖掘概述

  所谓数据挖掘就是指在众多数据中抽取有用资料的过程,这些有用的资料是在海量数据中经过筛选、过滤、清洗、提取出来的,能体现客户潜在需求。数据挖掘与传统的数据分析相比,数据挖掘具有预知性、有效性和实用性等特点。传统的数据分析则是定向分析、费用高、不能及时有效的提供相关数据,具有一定的局限性。而数据挖掘通过利用多种分析工具,来对大量的数据进行抽取分析,发现数据中蕴含的关系或规则,对商业决策具有重要支持性作用。

  1.2数据挖掘的功能

  数据挖掘往往有两类任务:一是描述,二是预测。对于描述性任务几乎都是利用数据挖掘技术对数据刻画其普遍特性,而预测性任务则是根据现有的数据进行分析预测。当前,数据挖掘功能有以下几类:

  1.2.1利用概念描述发现广义知识

  通过对某类对象进行细致描述,从而对该数据进行概括、提炼。而概念描述又分为两类,一种是描述同类对象的共性,即为特征性描述。另一种是描述异类对象的异性,即为区别性描述。

  1.2.2利用关联分析发现关联知识

  利用不同变量的取值,发现他们存在某种关系,而这往往是属于被发现的重要资料。这种关联往往分成三类,即简单关联、时序关联、因果关联,等等。

  1.2.3利用分类和聚类方法发现分类知识

  将数据对象分类或者将数据对象分成多个簇,来发现其同类对象的共性和异类对象的异性相关知识。

  1.2.4利用预测方法获取预测型知识

  利用过去或者当前的与时间有关的数据对未来的相关数据进行推测。

  1.2.5采用偏差检测来获取偏差型知识

  利用数据库中的异常数据进行分析,解释出现异常现象的原因。

  1.3数据挖掘过程

  从查找数据开始,通过一定的算法或模型发现数据间的关联性,并提取出新的知识或规律,从而得出新的结论。这一流程包括以下几个步骤:首先,提出陈述的问题和要阐明的假设,从中发现问题,提出假设,利用相关数据去发现,去解释其原因,从中得到完善。其次是收集数据。有关数据的收集分为两类:一类是可控数据,另一类是不可控数据。采用不同的收集方法收集出来的结果也是不同的。因此,在收集过程中要知道数据收集是如何对其理论分布产生影响的,这样才能在应用中顺利进行。再次是数据的预处理。通过完成异常点的检测和比例缩放、编码和选择特征等常见任务,来对数据挖掘过程中诸多预处理活动进行说明性例证。之后是对模型进行评估。先建立一些新模型,并进行评估选出最佳模型,数据挖掘技术利用该模型对数据进行分析。最后解释模型得出结论。通过对模型的解释使数据挖掘所得出来的结果更加容易理解,简单明了,为决策者提供决策支持。

  2.数据挖掘与电子商务

  2.1电子商务发展中存在的问题

  大量网络商品的涌现,不论是买方或是卖方都会面临着诸多问题。数据挖掘技术的出现为电子商务活动提供了强大的数据分析和技术支持。数据挖掘是面向应用的,电子商务的发展使得越来越多的企业开始网上交易,电子商务后台数据库中客户相关的数据和大量的交易记录以及跟踪用户在Web上的浏览行为等数据资源中所蕴含着大量的宝贵信息,有待于充分挖掘和利用。

  2.2数据挖掘在电子商务应用发展现状

  在电子商务活动中,采用数据挖掘技术在国内尚属于一个初步发展阶段。虽然国内在这一相关领域的研究也取得了很大的进展,但仍存在一些不足之处:其一,实时性与推荐质量不平衡。其二,电子商务推荐体系结构不完善。其三,不能充分地对推荐结果进行解释。其四,不能全面关注访问者,只是片面地对销售商品进行排比。国外利用数据挖掘技术来提高电子商务企业的经营效益已取得显著的成效。据亚马逊前科学家GregLimlen介绍,亚马逊至少有35%的销售额来自于推荐系统。

  2.3数据挖掘对电子商务的影响

  通过电子商务与数据挖掘技术进行优化配置,建立合理的电子商务推荐系统,采用有效的组合推荐,将所有的推荐模型进行统一管理,同时又能具体情况具体分析,从而对客户提供精准推荐,让消费者在较短的时间内获得较多的“有用”信息,这样既能增加用户黏性,又让商家提升销量。

  3.基于数据挖掘的电子商务推荐系统

  3.1数据挖掘与推荐系统

  推荐系统与数据挖掘在电子商务平台中两者相辅相成,联系紧密^电子商务发展过程中积累了大量的商业数据,这些数据蕴含了大量的知识,需要数据挖掘技术进行提取分析。而推荐系统根据数据挖掘得来的知识,对消费者的兴趣和需求进行及时的分析,支持商业决策。

  3.2电子商务推荐系统设计

  按照系统论的观点,可将电子商务推荐系统分成四个组成部分:信息输人、信息处理、模式发现与用户反馈。首先,信息输人主要来源于数据仓库。其次,信息处理是基于各种不同的算法模型对数据仓库里的数据进行分析和处理,挖掘出潜在的规律或模式,即模式发现。最后,用户客观公正的反馈是评价推荐系统准确性与可信性的主要依据。基于数据挖掘的电子商务推荐系统设计逻辑模型如图丨所示。

  4.结语

  随着网络科技的步伐不断加快,人们对电子商务的需求也不断加大,收集大量的用户数据进行科学分析,挖掘客户潜在需求,进行个性化的推荐。基于数据挖掘技术的电子商务推荐系统搭建起客户与商家的桥梁,其必然推动电子商务的进一步发展。

相关推荐