面向web的商业智能中的数据挖掘技术的研究

《面向web的商业智能中的数据挖掘技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、同济大学硕士学位论文面向WEB的商业智能中的数据挖掘技术的研究姓名：张传升申请学位级别：硕士专业：控制科学与工程指导教师：萧蕴诗20050301摘要随着Internet的普及，电子商务激烈竞争，信息数据的快速膨胀，越来越多的研究者们开始关注商业智能技术，期望能够在这种新型的技术帮助下，利甩它诸多的优点，获得更多的客户以提高收益。电子商务模式下激烈的竞争趋势要求对这些信息进行实时和深层的分析。如何对网络上海量的信息进行有效组织利用，帮助其拥有者们找出真正有价值的信息和知识，以指导他们的决策行为。这个问题促使数据挖掘技术与电子商务结合在一

2、起，成为Web数据挖掘的一个分支。它主要研究在Internet上，对各种数据源，利用数据挖掘技术寻找网络上数据间各种隐含的知识模式和获取一些预测性信息。把Web数据挖掘用于电子商务，可以帮助指导站点改进服务、调整结构和实施有针对性的商业行为，以更好地满足访问者的需求。电子商务活动中，客户关系管理是一个重要的部分。挖掘潜在客户，保持老客户，提升客户价值是客户关系管理中主要的内容。建立与客户的良好关系可以表现为了解用户偏好、向客户提供个性化的服务、推荐它们感兴趣的商品、帮助他们能够便捷地找到所需商品等方面。要能够做到这些，要求站点有一个能

3、够分析用户偏好、行为等信息，并且自动根据这些信息向用户提供“推送”服务的推荐系统。本文正是基于这样一个背景开展研究。论文的主要工作可以归纳为以下几个部分：第一，首先给出了国内外的研究现状和论文本身的意义，以及相关的理论支持。阐述了商业智能理论的内容和关键技术；着重综述了数据挖掘理论和Web数据挖掘及其分类，阐明了数据挖掘的技术方法；最后讨论了模糊集理论，为模糊聚类提供理论基础。第二，对Web数据挖掘的数据源和数据预处理过程经行了研究。分析了电子商务网站的重要的数据来源及其特点，综合挖掘的目的和技术作出选择：讨论了数据预处理的过程；重点

4、研究了Web日志数据的预处理过程的五个步骤，数据清洗、用户识别、回话识别、路径补充、事务识别；最后讨论了预处理的结果和衍生变量。第三，对电子商务网站浏览者的行为进行了分析，提出了浏览者的分类和潜在客户的定义，并提出了潜在客户的挖掘模型及其数据准备过程。研究了潜在客户挖掘使用的聚类技术，给出了聚类技术的概念和主要方法，研究了K-means算法和CHAMELEON算法：结合网络浏览行为的不确定性，提出了模糊聚类算法应用于潜在客户的挖掘，并作了实例分析。摘要第四，研究了关联规则和在用户兴趣挖掘中的应用。给出了关联规则的定义，研究了Aprio

5、ri算法及其改进方法；综述了推荐系统，分析了网站用户兴趣；结合电子商务网站的拓扑结构，提出多层次关联规则挖掘及其在用户兴趣发现上应用，并作了实例分析。关键词：商业智能Web挖掘Web日志挖掘模糊聚类多层次关联规则AbstractABSTRACTWiththepopularizationofInteract，thefuriouscompetitionofElectronicCommerce(EQandtherapidexplodingofinformationdab,moreandmoreresearchershavepaidatten

6、tiontoBusinessIntelligence(B1)．TheywanttotaketheadvantageofB1logainmorecustomsandprofit。Thefuriouscompetitionunderthenewcommercerequirestherealtimeanddeepanalysisofalltheinformationdata．Buthowtoorganizeandmakeuseoftheseinfonnationeffectivelyandhowtohelptheownerofhugedat

7、atofindoutthevaluableinformationandkowledgetoguidethemtomakedecision?ThisquestionmakethecombinationofdataminingandECthatisanewbranchofdatamining．WebminingfocusesontheresearchintheInteractonhowtofindoutallim【plicitknowledgemodesamongallkindsofdataincludingWeblog,userregi

8、sterinformation，WebPageere,andonhowtogainsomepredictiveinformation．ApplyingWebdatamininginECcarlhelpasitetoimp