一、数据仓库、数据挖掘技术及其在电子商务中的应用（论文文献综述）
王波[1]（2016）在《数据仓库与数据挖掘在电子商务中应用研究》文中认为随着计算机互联网技术的发展,21世纪,电商在商业经济发展中,扮演着日益重要的角色。电子商务的出现,对传统的商业模式产生了巨大的冲击,改变了原有的经营理念、管理方式以及支付手段。本文对这一问题的研究,主要探讨了数据仓库与数据挖掘在电子商务中的实际应用,希望本文的研究,能够为电子商务的发展,提供一些参考和建议。
赵勇军[2]（2015）在《面向移动商务的数据挖掘方法及其实际应用》文中研究指明随着电子商务的快速发展,对其与移动信息服务融合下的移动商务数据挖掘方式也提出了更多的要求。尤其针对现阶段移动商务中生成的大量数据资源并未得到充分挖掘与利用,这就要求在分析数据过程中引用数据挖掘技术,以此实现对客户访问行为的掌握,促进企业竞争优势的提高。本文主要对移动商务与数据挖掘技术的基本概述、移动商务中数据挖掘方式的具体分析以及数据挖掘方法的实际应用进行探析。
张素智,曲旭凯,张琳[3]（2015）在《基于电子商务的Web数据挖掘研究》文中提出随着电子商务的高速发展,互联网、无线网络、移动网络的大面积覆盖,电子商务不仅潜移默化地影响着传统的商业模式,而且产生海量的Web数据,成为目前新的研究热点。电子商务"大数据"中隐藏的巨大的价值与Web数据挖掘技术在数据分析方面的作用使得二者自然的结合在一起。Web数据挖掘在电商巨量数据的分类、聚类、数据解释等方面发展迅速,与此同时,Web数据挖掘仍面临数据复杂性、计算复杂性、系统复杂性等方面的挑战。
赵龙[4]（2015）在《电子商务数据分析平台的设计与实现》文中研究说明计算机应用未来的发展方向是对数据的深度处理,在大数据概念提出以后,如何对研究领域中的数据进行采集、处理、挖掘、应用,成为各个行业研究的热点。电子商务改变了传统的经营模式,是互联网最成功的应用之一,而电子商务中产生的大量数据,具有十分重要的应用价值。1、针对目前在电子商务领域中,数据分析和应用并不十分广泛,而且一般只关注于某一方面研究分析,无法对数据进行全面分析处理的缺点,提出了电子商务数据分析平台模型,该模型主要包括数据源层,操作数据层,数据集成层,数据处理层,数据应用层五个组成部分,其中数据源层由多个异构数据库组成,分别存储电子商务系统运营过程中产生的不同类型数据。2、在总体架构中,操作数据层是对数据源层进行提取,主要是最近一个时期的“热”数据,并可实现对数据细节的查询;数据集成层是根据分析应用的需求,将操作数据层中的数据进行集成处理,主要是为数据的应用提供基础;数据处理层是采用数据挖掘、数据联机分析处理、数据统计等各类分析方法,对集成后的数据进行处理;数据应用层是根据用户的业务需求构建数据处理应用,并调用各类数据分析方法,获取分析结果。为了使电子商务数据分析平台具有对海量数据进行处理的能力,在平台具体实现方面引入了 Hadoop平台技术,利用基于HDFS的分布式存储模式,提高对非结构化数据的存储和处理能力,同时也拓展了系统的扩展能力。3、针对对于大量数据的处理效率问题,采用Map/Reduce并行运算技术,将该技术与电子商务数据分析平台相结合,作为对数据挖掘进行处理的工具,并对Apriori算法进行了改进,提高了分类数据挖掘的运算效率;设计了电子商务数据分析平台应用层的功能架构,通过对电子商务数据分析业务流程的讨论,确定了系统应用的目标,讨论了功能设计方案和实现过程,并通过测试验证功能的有效性。电子商务数据分析平台采用分层架构模式,充分利用各类智能数据处理技术对电子商务平台中的数据进行分析,以满足用户不同的应用需求,为电子商务系统的管理者改进经营模式,更好地维护客户关系,提高经济效率提供了有力的支撑工具,具有较强的实际应用价值;同时,对数据挖掘算法进行了研究和改进,具有一定的理论研究价值。
桑志超[5]（2014）在《电子商务环境下的Web数据挖掘系统研究》文中进行了进一步梳理网络技术的发展使我国电子商务有了很大的进步，网络市场竞争加剧，如何适应市场需求的变化、调整及优化服务方式和管理策略成为企业面临的问题。企业制定决策都要依据访问及交易数据，商家解决这些困境就要具有很强的信息处理、利用能力，进行Web数据挖掘是商家解决电子商务发展中问题的有效途径。本文进行电子商务环境下的Web数据挖掘系统的研究，主要工作内容如下。首先总结目前电子商务中进行Web挖掘的国内外研究现状并对其进行分析，提出该课题的研究内容及意义。分析我国电子商务的发展现状及趋势以及面对的挑战，同时研究Web数据挖掘技术的相关内容，并总结Web数据挖掘在网络交易活动中的应用。其次深入研究Web服务技术、移动Agent技术、软件架构理论及与实际电子商务操作相关的电子商务系统N层体系架构。在此基础之上，提出了一种基于移动Agent和Web服务技术的Web挖掘系统架构。最后进行电子商务环境下Web数据挖掘原型系统的实现来验证架构的性能，研究基于J2EE平台与.NET平台的系统实现技术并进行选择，分析电子商务挖掘系统的逻辑部署，提出系统的模块设计方案，并进行原型系统的实例运行。本文的最终目的是在分析目前电子商务活动中Web挖掘应用现状的基础上，对现有的Web挖掘系统的架构进行改善，提出一种具有更好的跨平台性和更高效的Web挖掘系统架构。
黄玲[6]（2014）在《在电子商务中应用Web数据挖掘的研究》文中提出互联网的应用使数据增长速度惊人,智能手机、平板电脑、云空间、物联网的推进,促使数据膨胀问题更加严峻。经济全球化需企业家敢于表现,吸引客户注意力,服务好客户,与客户达到互利共赢。而这表现的平台便是利用互联网的电子商务网站。可是平台里依旧有历史遗留问题,即“数据亿万万,价值找不到”。数据如同改革开放,也需要开放,即流通。流通应该顺应时代与技术发展要求,因为拒绝数据意味着拒绝财富。数据“4V”时代已经来临,即数据的“大量化（Volume）、多样化（Vaviety）、快速化（Velocity）、价值化（Value）"、门户站点商情广告、网上银行支付结算、搜索引擎社交网络等多种类型的电子商务以数据的形式正改变着人们的生活。对于激增的存储数据量,剧增的数据复杂度,数据的分析研究者们突破重重困境,找到行之可行的方法,将数据的价值挖掘出来,以帮助数据拥有者能从大量的数据中寻找某些规律性以辅助决策。这个方法便是数据挖掘技术。电子商务是未来经济发动机,在电子商务中运用数据挖掘推荐页面是企业向世界全面展示形象和产品、寻找合作伙伴和扩大销售规模的最佳途径。本文通过数据挖掘技术在新兴的电子商务推荐系统领域的应用进行了初步研究。本人主要完成如下工作：一是系统的论述了目前国内外数据挖掘、电子商务及推荐系统研究的现状。二是简述了在电子商务企业中应用Web数据挖掘技术。三是阐述了在推荐系统中运用的推荐算法与技术。四是改进推荐Apriori算法,设计了一个基于Web数据挖掘的电子商务推荐系统。推荐系统是本论文的重点。在推荐系统设计之前,先是对推荐系统进行可行性分析,然后是分三大模块对推荐系统进行设计。这三大模块分别是数据访问模块、系统架构应用模块和交互用户模块。接下来对这三大模块进行细分,详细设计了组成数据访问模块的数据收集模块和数据预处理模块,组成系统架构应用模块的OLAP系统架构模块和基于B/S服务的数据挖掘系统模块,及组成交互用户模块的在线推荐模块与模式应用模块。在系统架构应用模块中运用了改进后的Apriori算法,实现关联规则的推理,确定关联页面,形成推荐集。在用户交互模块中显示运行算法后的运行界面,展示推荐系统的个性化服务。虽然在电子商务推荐系统中运用数据挖掘技术能够为商家带来大量的经济价值和利益,但它也是一把双刃剑。商家在收集大量的数据的同时,又面临着数据处理、使用、保管和安全等方面的新挑战。如何有效保护消费者个人的隐私安全等,如何真正利用数据挖掘提升企业的价值,如何在移动互联网时代让更多的数据以非结构化的形式出现,数据挖掘发展还任重而道远。
谭文武[7]（2012）在《Web数据挖掘技术及其在电子商务中的应用》文中提出Internet应用已经在我国的各个领域得到了广泛的普及,它使数据挖掘技术的目标已经从传统的数据库的应用中发展到了Web的应用,特别是电子商务网站,每天都会带来众多的数据。本文通过对Web数据挖掘技术进行简单分析,并指出Web数据挖掘技术在电子商务中的具体应用,分别在挖掘潜在用户、提供优质服务以及聚类客户等方面中发挥了巨大的作用。
王春[8]（2012）在《基于Baosteel电子商务的CRM研究及应用》文中认为随着信息技术的发展,电子商务技术已经遍地开花,愈来愈多的企业通过网络营销、电子商城等电子商务途径进行市场拓展。对于电子商务企业来说,如何赢得大量可信任的优质客户,是企业良好发展的基石,客户关系管理作为一种不断进步的管理模式、业务营销理念和信息技术的前沿产品,坚持以客户为中心的经营理念来支持高效的市场营销及服务流程,能够在准确市场定位的基础上合理配置资源,发现并最大限度满足优质客户的需要,对电子商务的发展具有良好的推动作用。本文首先从理论上深入研究了客户关系管理,详细讨论了客户关系管理的产生、发展及实施过程中的相关问题,以及如何以客户为中心的服务经营理念构建客户关系管理系统的基本模型。其次,本文针对具有大宗商品交易、用户数量多等特点的电子商务平台所产生的一系列问题,结合数据仓库、数据挖掘及分析型CRM技术,提出了几种针对不同侧重点进行分析处理的挖掘模型,分别利用支持向量机、决策树、遗传算法、神经网络等算法进行电子商务平台中的潜在客户挖掘、现有客户群体分类分析、客户盈利能力分析、客户信用度分析等,将各个模型的分析结果运用于不同的方面,为电子商务平台中各级经营决策者提供决策支持,使之最大限度地降低营销成本,实施有针对性的营销策略,降低运营风险,提高CRM系统的利用率。最后,本文以Baosteel电子商务平台中的客户及其业务数据为基础,运用四种模型进行挖掘分析,并采用相应的模型检验方法进行合理性验证,具有较高的实用价值。
周朕[9]（2011）在《面向电子商务的WEB数据挖掘研究》文中研究表明随着互联网的迅速发展,互联网上的信息量快速增长。大多数用户无法从庞大的互联网上获得自己想要的信息,很多电子商务网站也无法针对目标用户提供用户感兴趣的内容。当前,在电子商务领域,数据挖掘技术与Web技术正不断融合,利用Web挖掘技术,企业决策者能为用户提供更有效的资源,为企业获得更高的收益。Web挖掘的研究已经建立了较好的理论体系,也取得了一些应用成果,但是,在针对Web数据的挖掘智能化与站点设计基于商业知识发现的总体规划方面存在较多的问题,还需继续研究。本文是针对这一方面进行一些尝试性的研究工作,主要工作内容如下：理解了数据挖掘、Web挖掘相关的基本理论和主要技术；研究了在电子商务领域Web数据挖掘的主要应用以及面临的关键问题；具体分析了在电子商务领域数据挖掘的主要内容和数据源；设计了面向电子商务Web数据挖掘总体模型。详细阐述了基于电子商务Web数据挖掘预处理过程；运用算法描述了数据清洗与净化、用户识别、会话识别和事务识别等过程；研究在电子商务领域运用关联规则技术进行挖掘模式发现,通过实例分析详细探讨了Apriori经典关联规则挖掘算法的具体运用；提出了Apriori算法的不足并对其进行了算法优化；探讨了基于用户浏览兴趣进行用户模糊聚类分析；研究了聚类常用方法,分析了模糊聚类的步骤,研究了用户浏览兴趣的度量及其方法,通过实例分析研究实现了基于用户访问频繁页面次数和耗时的模糊聚类过程。
王磊[10]（2011）在《数据挖掘技术在电子商务中的应用》文中研究指明电子商务的广泛应用使企业产生了大量的业务数据,按企业既定业务目标对这些数据进行数据挖掘可以帮助企业分析出完成任务所需的关键因素。文章介绍了数据挖掘技术,以实例分析了数据挖掘在电子商务中的应用,并介绍了在电子商务中如何应用数据挖掘技术。
二、数据仓库、数据挖掘技术及其在电子商务中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数据仓库、数据挖掘技术及其在电子商务中的应用（论文提纲范文）
（1）数据仓库与数据挖掘在电子商务中应用研究（论文提纲范文）
| 1 数据仓库与数据挖掘概念分析 |
| 1.1 数据仓库概念 |
| 1.2 数据挖掘概念 |
| 2 电子商务概念分析 |
| 3 数据仓库与数据挖掘在电子商务中应用研究 |
| 3.1 控制商品库存 |
| 3.2 实现对客户的有效把握 |
| 3.3 提供优质化服务 |
| 3.4 提供必要的决策信息 |
| 4 结束语 |
（2）面向移动商务的数据挖掘方法及其实际应用（论文提纲范文）
| 引言 |
| 1、移动商务的概念界定及特点分析 |
| 2、数据挖掘的基本概述 |
| 2.1数据挖掘技术的概念与分类 |
| 2.2 Web数据挖掘分析 |
| 3、面向移动商务的数据挖掘方法分析 |
| 3.1移动商务中数据挖掘的数据源分析 |
| 3.2移动商务中数据挖掘的过程分析 |
| 3.3移动商务中数据挖掘的技术分析 |
| 3.3.1移动商务中常用的数据挖掘技术分析 |
| 3.3.2面向移动商务的数据挖掘工具分析 |
| 4、面向移动商务的数据挖掘技术应用 |
| 结论 |
（3）基于电子商务的Web数据挖掘研究（论文提纲范文）
| 0引言 |
| 1面向电子商务的Web数据挖掘 |
| 1.1 Web数据挖掘 |
| (1)Web数据挖掘简介 |
| (2)Web数据挖掘分类 |
| 1Web内容挖掘 |
| 2Web访问挖掘 |
| 3Web结构挖掘 |
| (3)Web数据挖掘过程 |
| 1定义问题 |
| 2数据收集和抽取 |
| 3数据预处理 |
| 4挖掘模型构建与评估 |
| 5数据挖掘 |
| 6结果分析和预测 |
| 7模型管理 |
| 1.2电子商务中Web数据挖掘的问题 |
| 1数据库异构 |
| 2数据的半结构化 |
| 1.3电子商务中Web数据挖掘应用 |
| 1发现具有潜在价值客户 |
| 2提供优质服务,延长客户的驻留站点时间 |
| (3)改进站点设计 |
| 3聚类客户分析 |
| 2电子商务中Web数据挖掘的挑战 |
| 2.1数据复杂性带来的挑战 |
| 2.2计算复杂性带来的挑战 |
| 2.3系统复杂性带来的挑战 |
| 3结语 |
（4）电子商务数据分析平台的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第2章 理论基础和关键技术 |
| 2.1 电子商务数据分析理论 |
| 2.2 Hadoop技术 |
| 2.3 Map/Reduce技术 |
| 2.4 数据挖掘技术在电子商务中的应用 |
| 2.5 小结 |
| 第3章 电子商务数据分析平台的需求分析 |
| 3.1 电子商务数据分析业务流程 |
| 3.1.1 电子商务数据存储流程 |
| 3.1.2 电子商务数据预处理流程 |
| 3.1.3 电子商务数据处理流程 |
| 3.1.4 电子商务数据处理应用流程 |
| 3.2 电子商务数据处理功能需求分析 |
| 3.2.1 电子商务数据存储功能需求分析 |
| 3.2.2 电子商务数据预处理功能需求分析 |
| 3.2.3 电子商务数据处理功能需求分析 |
| 3.2.4 电子商务数据分析应用功能需求分析 |
| 3.3 电子商务数据处理性能需求分析 |
| 3.3.1 准确性分析 |
| 3.3.2 实用性分析 |
| 3.3.3 时效性分析 |
| 3.3.4 安全性分析 |
| 3.3.5 扩展性分析 |
| 3.4 小结 |
| 第4章 电子商务数据分析平台的设计 |
| 4.1 电子商务数据分析平台设计目标 |
| 4.2 电子商务数据分析平台总体构建方案 |
| 4.2.1 系统架构设计方案 |
| 4.2.2 系统功能架构设计方案 |
| 4.2.3 数据处理架构设计方案 |
| 4.2.4 系统数据架构设计方案 |
| 4.3 关联数据挖掘算法及其改进设计 |
| 4.3.1 Apriori关联规则算法 |
| 4.3.2 Aprioir关联规则算法的缺点 |
| 4.3.3 Aprioir关联规则算法的改进 |
| 4.4 小结 |
| 第5章 电子商务数据分析平台的实现 |
| 5.1 Hadoop数据管理平台的构建 |
| 5.2 数据仓库构建模块的实现 |
| 5.2.1 确定数据仓库主题 |
| 5.2.2 数据准备 |
| 5.2.3 电子商务潜在用户数据仓库建模 |
| 5.2.4 数据预处理 |
| 5.3 潜在用户分析功能模块的实现 |
| 5.3.1 潜在用户挖掘数据模型确定 |
| 5.3.2 模型预处理及数据提取 |
| 5.3.3 执行关联规则数据挖掘 |
| 5.4 潜在用户挖掘结果管理模块的实现 |
| 5.5 小结 |
| 第6章 电子商务数据分析平台测试 |
| 6.1 数据仓库构建功能测试 |
| 6.2 潜在用户数据挖掘功能测试 |
| 6.3 新客户数据分类功能测试 |
| 6.4 系统用户管理功能测试 |
| 6.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）电子商务环境下的Web数据挖掘系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国内外研究现状 |
| 1.2.2 对现状的分析 |
| 1.3 课题研究的内容和意义 |
| 1.3.1 课题研究的内容 |
| 1.3.2 课题研究的意义 |
| 第2章 Web 挖掘的定义、分类、流程及其在电子商务中的应用 |
| 2.1 我国电子商务的发展及数据挖掘面临的挑战 |
| 2.2 Web 数据挖掘 |
| 2.2.1 数据挖掘 |
| 2.2.2 Web 数据挖掘的定义 |
| 2.3 Web 数据挖掘的分类 |
| 2.3.1 Web 内容挖掘 |
| 2.3.2 Web 结构挖掘 |
| 2.3.3 Web 使用挖掘 |
| 2.4 Web 数据挖掘的流程 |
| 2.4.1 数据源的收集 |
| 2.4.2 数据的预处理 |
| 2.4.3 数据的挖掘阶段 |
| 2.5 Web 数据挖掘在电子商务中的应用 |
| 2.5.1 电子商务中 Web 数据挖掘的资源 |
| 2.5.2 电子商务系统中 Web 数据挖掘的过程 |
| 2.5.3 将 Web 数据挖掘应用于电子商务的优势 |
| 2.6 本章小结 |
| 第3章 Web 服务技术、移动 Agent 技术、软件架构 |
| 3.1 Web 服务技术及其技术应用 |
| 3.1.1 Web 服务的定义及体系架构 |
| 3.1.2 Web 服务实现的主要技术 |
| 3.1.3 Web 服务合成技术 |
| 3.2 移动 Agent 技术及其应用环境分析 |
| 3.2.1 移动 Agent 技术的定义 |
| 3.2.2 移动 Agent 系统的组成 |
| 3.2.3 移动 Agent 的优势及其应用 |
| 3.3 软件架构 |
| 3.3.1 软件架构的定义 |
| 3.3.2 软件架构的作用 |
| 3.3.3 电子商务系统的 N 层体系架构 |
| 3.4 本章小结 |
| 第4章 基于移动 Agent 和 Web 服务的 Web 挖掘架构设计 |
| 4.1 移动 Agent 技术在 Web 服务中的应用 |
| 4.2 数据挖掘引擎设计 |
| 4.3 Web 数据挖掘系统总体架构设计 |
| 4.4 本章小结 |
| 第5章 电子商务环境下 Web 数据挖掘原型系统的实现 |
| 5.1 电子商务系统的实现技术 |
| 5.1.1 基于 J2EE 平台的实现技术 |
| 5.1.2 基于.NET 平台的实现技术 |
| 5.1.3 J2EE 平台与.NET 平台的直观比较 |
| 5.2 Web 数据挖掘流程与电子商务流程的融合 |
| 5.3 电子商务挖掘系统的功能模块设计 |
| 5.4 Web 数据挖掘原型系统的实现 |
| 5.4.1 开发工具介绍 |
| 5.4.2 数据挖掘原型系统的总体结构 |
| 5.4.3 数据库连接 |
| 5.4.4 参数文件格式 |
| 5.4.5 数据预处理 |
| 5.4.6 控制中心模块 |
| 5.4.7 管理算法模块 |
| 5.5 原型系统的实例运行 |
| 5.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（6）在电子商务中应用Web数据挖掘的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 国内外研究综述 |
| 1.2.1 数据挖掘研究 |
| 1.2.2 电子商务研究 |
| 1.2.3 推荐系统研究 |
| 1.3 论文研究目标 |
| 1.4 论文组织结构 |
| 第2章 数据挖掘相关内容 |
| 2.1 数据挖掘的定义 |
| 2.1.1 数据挖掘的内涵 |
| 2.1.2 数据仓库中的数据挖掘 |
| 2.1.3 统计方法中的数据挖掘 |
| 2.2 数据挖掘的技术 |
| 2.2.1 数据挖掘的技术方法 |
| 2.2.2 数据挖掘的工具 |
| 2.2.3 数据挖掘七大过程 |
| 2.3 数据挖掘的应用及挑战 |
| 2.3.1 数据挖掘的应用 |
| 2.3.2 数据挖掘的挑战 |
| 2.4 Web数据挖掘的相关内容 |
| 2.4.1 Web数据挖掘的概念 |
| 2.4.2 Web数据挖掘的作用 |
| 2.4.3 Web数据挖掘的特点 |
| 2.4.4 Web数据挖掘的分类 |
| 2.4.5 Web数据挖掘流程 |
| 2.4.6 Web数据挖掘用途 |
| 2.5 XML与Web数据挖掘的结合 |
| 2.6 小结 |
| 第3章 电子商务中的Web数据挖掘 |
| 3.1 电子商务相关概念 |
| 3.1.1 电子商务的两个层面 |
| 3.1.2 电子商务的模式 |
| 3.1.3 电子商务活动的特点 |
| 3.1.4 电子商务七大优势 |
| 3.2 EC中进行Web数据挖掘 |
| 3.2.1 EC中的数据源 |
| 3.2.2 EC的挖掘过程 |
| 3.3 Web挖掘在EC中的应用 |
| 3.3.1 提升客户价值 |
| 3.3.2 改变营销机制 |
| 3.4 小结 |
| 第4章 使用Web数挖的推荐系统研究 |
| 4.1 电子商务中的推荐系统 |
| 4.1.1 前台输出系统 |
| 4.1.2 后台输入系统 |
| 4.1.3 中间处理系统 |
| 4.2 常见推荐算法 |
| 4.3 小结 |
| 第5章 Web挖掘推荐系统的设计实现 |
| 5.1 推荐系统的概述 |
| 5.2 访问数据模块 |
| 5.2.1 数据收集模块 |
| 5.2.2 推荐系统的数据预处理 |
| 5.3 系统架构应用模块 |
| 5.3.1 基于OLAP的系统结构 |
| 5.3.2 基于B/S结构应用框架 |
| 5.4 系统所用算法 |
| 5.4.1 Apriori算法 |
| 5.4.2 Apriori算法实现 |
| 5.4.3 Apriori算法改进 |
| 5.4.4 改进的Apriori算法实现 |
| 5.4.5 前后两算法比较分析 |
| 5.4.6 改进算法在推荐系统中的运用 |
| 5.5 交互用户模块 |
| 5.5.1 在线推荐模块 |
| 5.5.2 模式应用模块 |
| 5.6 小结 |
| 结论 |
| 参考文献 |
| 附录A (攻读学位期间所发表的学术论文目录) |
| 致谢 |
（7）Web数据挖掘技术及其在电子商务中的应用（论文提纲范文）
| 2 Web数据挖掘技术在电子商务中应用 |
| 2.1 Web页面数据源 |
| 2.1.1 服务器数据 |
| 2.1.2 查询数据 |
| 2.1.3 在线市场数据 |
| 2.1.4 客户登记信息 |
| 2.2 Web数据挖掘技术在电子商务中的应用 |
| 2.2.1 发现潜在客户 |
| 2.2.2 提供优质个性化服务, 提高客户忠诚度 |
| 2.2.3 聚类客户 |
| 3 结束语 |
（8）基于Baosteel电子商务的CRM研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景、意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文的组织结构 |
| 2 客户关系管理与数据挖掘技术 |
| 2.1 客户关系管理 |
| 2.2 数据挖掘技术 |
| 2.3 本章小结 |
| 3 Baosteel电子商务平台中CRM的构建 |
| 3.1 Baosteel电子商务平台实践 |
| 3.2 电子商务环境下CRM的解决方案 |
| 3.3 电子商务环境下分析型CRM的框架及构建 |
| 3.4 电子商务环境下分析型CRM功能点分析 |
| 3.5 本章小结 |
| 4 数据挖掘算法在分析型CRM中的应用 |
| 4.1 分析型CRM系统模型准备 |
| 4.2 潜在客户分析与实现 |
| 4.3 客户群体分类分析与实现 |
| 4.4 客户盈利能力的分析与实现 |
| 4.5 客户信用度分析与实现 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（9）面向电子商务的WEB数据挖掘研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 数据挖掘在电子商务领域应用背景 |
| 1.2 数据挖掘面向电子商务应用意义 |
| 1.3 数据挖掘在电子商务领域发展现状 |
| 1.4 本文主要内容 |
| 第二章 数据挖掘与Web数据挖掘 |
| 2.1 数据挖掘 |
| 2.1.1 数据挖掘简介 |
| 2.1.2 数据挖掘应用 |
| 2.1.3 数据挖掘主要技术 |
| 2.1.4 数据挖掘过程 |
| 2.2 面向电子商务Web数据挖掘 |
| 2.2.1 Web挖掘概述 |
| 2.2.2 Web挖掘分类 |
| 2.2.3 面向电子商务的Web挖掘的数据源 |
| 2.2.4 电子商务中Web数据挖掘特点 |
| 2.2.5 电子商务中Web挖掘技术应用 |
| 2.2.6 Web数据挖掘的关键问题 |
| 2.3 小结 |
| 第三章 Web挖掘模型构建和数据预处理 |
| 3.1 基于电子商务Web挖掘模型构建 |
| 3.2 Web挖掘预处理 |
| 3.2.1 数据收集及日志导入 |
| 3.2.2 数据清洗与净化 |
| 3.2.3 用户识别 |
| 3.2.4 会话识别 |
| 3.2.5 事务识别 |
| 3.3 小结 |
| 第四章 面向电子商务关联规则挖掘模式发现 |
| 4.1 关联规则概述 |
| 4.2 关联规则的Apriori挖掘算法 |
| 4.3 Apriori算法实例分析 |
| 4.4 Apriori算法的不足与优化 |
| 4.4.1 Apriori算法的不足 |
| 4.4.2 Apriori算法的优化 |
| 4.5 小结 |
| 第五章 基于用户浏览兴趣的模糊聚类 |
| 5.1 聚类定义及常用方法 |
| 5.2 模糊聚类及模糊聚类分析步骤 |
| 5.3 用户浏览兴趣度量及其方法 |
| 5.4 基于用户访问频繁页面次数和耗时的模糊聚类 |
| 5.5 基于用户访问模糊聚类实例分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 6.2.1 发展趋势 |
| 6.2.2 进一步工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
（10）数据挖掘技术在电子商务中的应用（论文提纲范文）
| 一、数据挖掘与电子商务概述 |
| 1、数据挖掘与电子商务的内涵 |
| 2、数据挖掘的结构 |
| 二、基于数据挖掘的电子商务 |
| 1、数据挖掘在电子商务中的应用 |
| 2、电子商务中的数据挖掘技术和方法. |
| 三、结束语 |
四、数据仓库、数据挖掘技术及其在电子商务中的应用（论文参考文献）
- [1]数据仓库与数据挖掘在电子商务中应用研究[J]. 王波. 电子技术与软件工程, 2016(01)
- [2]面向移动商务的数据挖掘方法及其实际应用[J]. 赵勇军. 电子商务, 2015(11)
- [3]基于电子商务的Web数据挖掘研究[J]. 张素智,曲旭凯,张琳. 现代计算机(专业版), 2015(09)
- [4]电子商务数据分析平台的设计与实现[D]. 赵龙. 湖南大学, 2015(03)
- [5]电子商务环境下的Web数据挖掘系统研究[D]. 桑志超. 河北工程大学, 2014(03)
- [6]在电子商务中应用Web数据挖掘的研究[D]. 黄玲. 湖南大学, 2014(09)
- [7]Web数据挖掘技术及其在电子商务中的应用[J]. 谭文武. 无线互联科技, 2012(11)
- [8]基于Baosteel电子商务的CRM研究及应用[D]. 王春. 东华大学, 2012(07)
- [9]面向电子商务的WEB数据挖掘研究[D]. 周朕. 中南大学, 2011(12)
- [10]数据挖掘技术在电子商务中的应用[J]. 王磊. 青春岁月, 2011(08)