基于文本挖掘的电子商务市场表现研究

大数据转变成可视化数据依靠的是计算机领域中的文本挖掘技术。文本挖掘中最重要且最基本的应用是实现文本的分类和聚类,前者是有监督的挖掘算法,后者是无监督的挖掘算法。本文重点讲述如何利用文本挖掘技术对当前的电子商务市场表现进行研究。     

基于差别函数的属性约简算法在电子商务中的应用

随着电子商务的发展,该领域已积累了大量商务数据,但是这些数据中往往存在许多冗余的信息。结合粗糙集理论在数据预处理中的应用,采用基于差别函数的属性约简的算法思想,提供了一种对商务信息的挖掘方法,能为小型电子商务经营者提供一定的决策参考。     

Web数据挖掘技术及应用

Web数据挖掘技术在电子商务中的应用越来越广泛,已成为现代电子商务企业获取市场信息极为重要的工具。本文简要介绍了Web数据挖掘的定义等相关内容,并对Web数据挖掘技术在电子商务领域中的应用进行了阐述。     

Web数据挖掘技术在电子商务中的应用

本文介绍了在电子商务中Web数据挖掘的过程、主要挖掘方法及应用。将数据挖掘技术应用于电子商务,对企业积累的海量数据进行处理,从这些数据中发现潜在的规律,把握客户动态、追踪市场变化,帮助企业制定今后的发展战略,使电子商务更具个性化和针对性。     

引入多模判决反馈提升B2C忠诚度特征挖掘算法

在B2C模式下对客户的忠诚度特征挖掘是对商户交易信任度评价的基础,进而促进用户忠诚度的提升。传统的B2C忠诚度特征挖掘算法采用基于负反馈动态的渐进控制算法,当用户数据呈现稀疏状特征时,挖掘效果不好。提出一种基于多模判决反馈的特征挖掘算法以提升B2C忠诚度。构建B2C模式下的忠诚度特征分析评估机制,根据B2C模式下多模判决反馈忠诚度控制稳定性理论,提出一种电子商务用户忠诚度评价渐进提升控制算法,这里选取Lyapunov函数构建提升目标函数,实现特征挖掘算法改进。仿真结果表明,采用该算法进行B2C模式下的商户忠诚度特征挖掘和评价,忠诚度评价准确度有所提高,用户的数据信息特征预测性能较好,特征挖掘精度提升,提高了对B2C模式下的商户的定量评价精度。     

电子商务中数据挖掘技术的研究与应用探索

顾客在电子商务网站的访问行为会产生大量数据信息,这些数据中包含了大量对市场分析及预测有用的潜在信息,可运用数据挖掘技术对客户访问信息的Web数据进行挖掘,从而了解客户的访问行为。本文主要讨论了电子商务中挖掘信息的目标、方法及数据挖掘技术在电子商务中的几点应用。     

电子商务管理与Web数据挖掘技术的契合探析

电子商务管理活动是Web数据挖掘技术合适的应用领域，Web服务器数据、客户登记信息、代理服务器数据、业务往来数据等为Web数据挖掘提供了丰富的数据资源。只要在电子商务管理中遵循一定的Web数据挖掘流程，就有可能促进企业决策优化管理、客户关系管理、协同商务管理、营销模式管理、网站维护管理和风险控制管理。     

Web使用模式挖掘及其在电子商务领域的应用

Web使用模式挖掘是Web数据挖掘领域一个重要的应用，对于个性化电子商务网站中发现用户行为特征具有重要的意义。本文首先介绍使用模式挖掘，然后分析了使用模式挖掘在电子商务领域的应用．从而指导电子商务网站资源的组织和分配。     

Web使用挖掘在电子商务个性化服务中的应用

电子商务的快速发展和电子商务系统积累大量的数据为Web使用挖掘提供了一个广阔的应用领域。通过Web使用挖掘技术挖掘出电子商务用户潜在模式,对用户提供个性化服务。     

基于网络数据挖掘技术的电子商务应用

数据挖掘定义为是从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有趣知识的过程。对数据挖掘的基本特点与流程和电子商务中Web数据挖掘与数据源进行了分析,并对数据挖掘技术在电子商务领域的应用进行了研究探讨。     

混合聚类算法的电子商务网站安全分析模型

为了提高电子商务网站安全分析精度,提出混合聚类算法的电子商务网站安全分析算法.首先采集电子商务网站安全分析数据,选取能够描述电子商务网站安全状态的特征,然后将超网络聚类算法和K-means聚类算法组合成混合聚类算法,并采用混合聚类算法根据特征设计电子商务网站安全状态划分的树型结构,建立电子商务网站安全分析模型,判断电子商务网站中的行为数据是否存在异常,以此完成最后电子商务网站安全分析.测试结果表明,所提方法的安全分析正确率高,而且分析结果十分稳定.     

大数据环境下的电子商务商业模式创新

互联网环境下,传统企业纷纷转型电子商务企业,使得电子商务企业之间的竞争日趋激烈而鲜有盈利。进入到大数据时代,基于大数据当中蕴含的丰富价值,电子商务企业如何挖掘大数据中的价值来进行商业模式创新并获取新的利润空间,这是所有电子商务企业都必须思考的问题。本文在分析电子商务商业模式构成及创新分析框架的基础上,分析了大数据对于电子商务商业模式创新的驱动,提出了大数据环境下电子商务商业模式创新的路径。     

基于语义词典的电子商务推荐系统模型研究

随着电子商务行业网站的迅猛发展,智能推荐系统的作用变得越来越重要,它能提升网站的知名度和用户的忠诚度,有效地保留客户和挖掘潜在客户,从而提高商务企业的销售收入.本文介绍了电子商务推荐系统的主要算法和国内外相关研究成果,分析了现有算法和推荐技术存在的缺陷,探讨了语义词典的设计原理,提出了基于语义词典的电子商务推荐系统的想法.     

旋转机械振动故障相似性系数的优化挖掘方法

针对旋转机械振动故障数据分类挖掘的效率极低、误差率大的问题。为此,提出基于相似性系数与粒子群算法融合的旋转机械振动故障数据优化挖掘方法。以故障数据之间的差异性为依据,对故障数据进行中心化、无量化及标准化处理,以此保证故障数据变量的统一性,为故障数据挖掘提供便利;依据相似系数理论,构建异常旋转机械振动故障数据库挖掘的数学模型,并采用粒子群算法对该模型进行求解,计算旋转机械振动故障数据库挖掘模型的最优解,实现并行数据库故障数据精确挖掘。实验结果表明,采用改进算法进行旋转机械振动故障数据优化挖掘,能够提高挖掘的速度与精度,提高算法鲁棒性,满足了机械振动故障数据库实际的应用需求。     

农资产品电子商务销售数据关联分析

构建面向电子商务领域的个性化推荐系统,需要依据电子商务数据所隐含的信息为用户兴趣度建模服务。文章以某电子商务网站为目标,利用关联分析模型,通过对网站中农资产品销售数据进行频繁模式挖掘和关联规则挖掘,以寻找和揭示用户与用户、用户与商品以及商品与商品之间的关联关系,包括用户购买商品的时间关系、有相似购买习惯的用户之间的关系、受欢迎的商品之间的关系以及用户的购买商品的喜好关系等。     

基于FP-Growth树项目约束挖掘算法的仿真实现

基于FP-Growth树算法的项目约束挖掘的一个具体仿真实现,设计出了系统的体系结构,根据挖掘流程与项目约束挖掘的过程,将系统分成三个功能模块:数据预处理模块功能,数据库排序功能模块与规则挖掘功能模块。使用真实数据对系统进行应用,对挖掘结果进行分析总结,最终确定了基于FP-Growth树的项目约束挖掘算法的可行性。     

基于Web的数据挖掘技术

Web数据挖掘有很多研究热点,其中关联规则挖掘是Web数据挖掘领域研究的一个重要方面.本文首先对数据挖掘、Web数据挖掘和Web数据预处理等相关知识进行了阐述;然后研究了关联规则基本理论及关联规则经典算法;最后为了解决现实数据库中每个项目的分配不均匀性和重要性差异,重点研究了加权关联规则挖掘算法.     

基于BIRCH算法的模糊集数据库挖掘算法

为开发高效的数据挖掘算法,实现模糊集聚类算法的高效性,将BIRCH聚类算法思想与模糊集算法进行融合。通过对模糊集算法处理的数据进行二次聚类计算,细化群边缘,最后加载判别函数进行数据定位,完成数据挖掘。最后使用KDDCUP2011数据库进行仿真实验,对目标数据进行挖掘,证实了融合BIRCH聚类算法思想的模糊集算法具有可行性,对比改进前的算法在数据挖掘方面效率更高。     

Web挖掘技术在电子商务中的应用

在讨论Web挖掘的任务和分类的基础上,提出了基于Web挖掘的电子商务模型,论述了电子商务中Web挖掘的方法以及Web挖掘在电子商务中的具体应用。     

数据立方体上的约束关联规则挖掘

数据挖掘作为一项从海量数据中提取知识的信息技术引起了国内外学术界和产业界的广泛关注,基于数据仓库的联机分析挖掘系统的应用已成为数据挖掘技术的发展趋势,本文结合联机分析挖掘的思想和基于目标属性关联规则挖掘算法,提出并构建了数据立方体上的基于约束的关联规则挖掘算法。最后的算例证明了该算法的有效性。