论文部分内容阅读
对于一家成型的电商企业来说,一般都有上千万量级的活跃用户,每天会产生大量的交易数据。但由于企业内部有着复杂的运营流程,目前,大多数的电商企业还仅仅只是对海量数据进行简单的加减乘除式利用,大量数据被割裂,没有进行数据分散存储、整合、非结构分析等深层次利用,数据在各个运营环节中还没有发挥出提高效率和降低成本的重要作用。数据时代的到来,为数据在企业运营中打破时空局限提供了新思路,为“解放数据生产力”提供了新办法。通过数据挖掘在电子商务的应用,可以为用户提供个性化的商品推荐,对于电商顾客来说增加了对于网店的满意度,同时也能够为电商提供商品调整方案和指导建议,增强电商的竞争力,因而具有较好的实用性。本文详细研究了数据挖掘技术及Web挖掘在电子商务数据中的应用,针对电子商务用户的特点,主要采用聚类算法和关联规则算法来实现商品的在线推荐。首先将所收集的信息归入用户数据库、商业信息数据库和内容信息数据库,执行数据预处理的相关步骤,包括数据数据的提取、清洗、转换和集成。然后执行用户识别、会话识别和路径识别等对数据按照聚类算法进一步分类处理,对所形成了分类簇进行模式挖掘形成模式库,再按照关联规则算法得出商品的在线推荐建议集。在该过程中需要利用模式匹配算法得到用户可能会感兴趣的商品信息,并将结果通过服务器以HTML页面的形式反馈到用户客户端的浏览器界面中。在本文商品在线推荐系统中,推荐模块是其中最重要的功能,当访问用户在对网站进行浏览并向服务器发出推荐商品请求后,推荐模块将对该用户在站内的浏览行为模式分析,并对会话进行识别。如果该用户存在过往访问记录,则将该会话请求分配到已经存在的聚类簇中,如果没有则在服务器建立一个新的簇。推荐模块分析用户请求和访问特征,分配对应的簇给用户,并根据该簇的特点建立具有针对性的商品推荐建议集,然后生成用户可以浏览的HTML页面,经过推荐模块返回给用户以回应该次会话请求。本文设计的体育用品网店设计了用户注册、商品列表、商品评价、商品评分、在线推荐等几个功能模块。1)用户注册。用户可以选择注册并输入个人信息,所填写的内容信息越全面,就更加方便对用户进行分类,同时也能够更有针对性的提出购买推荐建议。用户的电子邮箱信息可以方便根据用户喜好及时发送在售商品信息。2)商品列表。网店管理者通过后台所录入的商品的所有类别和所有商品,其中列出关于商品的价格、图片、名称等主要内容。用户可以选择按价格、购买数量等内容进行排序。3)商品评价。用户在购买某商品后,可以对该商品进行评价,该评价内容可以帮助其他用户作为购买的参考,同时也利于管理者掌握用户对于商品的反馈,从而对商品的分类、价格、在线推荐等方面做出调整。4)商品评分。用户可以点击商品评分对所购买商品给出分数。5)在线推荐。本文主要采用关联规则算法对用户的浏览行为提出推荐建议,对于购买记录则按照聚类方法将用户划分为簇,并根据其所在簇特点给出特定的推荐意见。